उद्योग स्तर पर प्रोडक्शन-रेडी कन्वर्सेशनल AI: स्केल AI के फेलिक्स सु के साथ

सफल एंटरप्राइज AI सिर्फ नवीनतम तकनीक के बारे में नहीं है—यह AI प्रिमिटिव्स पर आधारित सही आर्किटेक्चर और नियंत्रण के बारे में है। ऑफ-द-शेल्फ LLMs शक्तिशाली हैं, लेकिन वे बिजनेस लॉजिक, ब्रांड गाइडलाइन्स और सुरक्षा सिद्धांतों का गहरा ज्ञान नहीं रखते। यह कस्टम अनुभव केवल प्रॉम्प्ट्स, LLMs, गार्डरेल्स, टूल्स और अन्य बिल्डिंग ब्लॉक्स की एक प्रणाली को सावधानीपूर्वक आर्किटेक्ट और टेस्ट करके ही प्राप्त किया जा सकता है ताकि जेनरेटिव AI व्यवहार को एंटरप्राइज नियमों का पालन करने के लिए निर्देशित किया जा सके।

विभाजन की शक्ति: आर्किटेक्चर क्यों मायने रखता है

जब कन्वर्सेशनल वॉइस AI का निर्माण करते हैं, तो डेवलपर्स मल्टी-मोडल, वॉइस-टू-वॉइस मॉडल्स के साथ काम कर सकते हैं, या वे ASR (ट्रांसक्रिप्शन), LLMs, और TTS के घटक भागों को जोड़ सकते हैं। विशिष्ट उपयोग मामलों वाले एंटरप्राइज के लिए, बाद वाला अक्सर अधिक व्यावहारिक हो सकता है।

"एंटरप्राइज सेटिंग में, AI सिर्फ LLMs से नहीं चल सकता," बताते हैं Felix Su, Scale के GenAI Platform के हेड ऑफ इंजीनियरिंग। "एक जटिल सिस्टम को इस तरह डिज़ाइन करना पड़ता है कि वह बिज़नेस लॉजिक फॉलो करे, ब्रांड इमेज बनाए रखे, और सख्त गार्डरेल्स के अंदर काम करे। ये व्यवहार हर एंटरप्राइज के लिए अलग होते हैं, इसलिए LLMs के ऊपर इन सिस्टम्स को लागू करना ज़्यादा प्रैक्टिकल है, बजाय सिर्फ उनके लेटेंट बिहेवियर पर निर्भर रहने के। हाल ही में मल्टी-मोडल क्षमताएं सीधे मॉडल्स में जोड़ दी गई हैं, लेकिन इन मॉडल्स को महत्वपूर्ण प्रोडक्शन यूज़ केस में अपनाने की रफ्तार उम्मीद से धीमी रही है। इसकी वजह है जनरेशन और उनके इनपुट-आउटपुट के बीच कंट्रोल की कमी। TIME AI के मामले में, STT और TTS का इस्तेमाल करके हम टेक्स्ट-बेस्ड LLMs के इनपुट्स को कंट्रोल कर पाए और अपने सिस्टम के आउटपुट्स को कस्टम गार्डरेल्स से सुरक्षित रख पाए। यह तरीका अक्सर सीधे मल्टी-मोडल LLMs इस्तेमाल करने से ज़्यादा प्रैक्टिकल हो सकता है।"

TIME AI अनुभव का निर्माण करते समय, स्केल ने TIME के लेखों के कॉर्पस को ऑन-डिमांड पुनर्प्राप्ति के लिए नॉलेज बेस में इंडेक्स किया, बिजनेस लॉजिक को सिस्टम प्रॉम्प्ट्स की एक श्रृंखला में एन्कोड किया, और GenAI आउटपुट्स को भ्रम और सुरक्षा और ब्रांड गाइडलाइन्स के उल्लंघनों से सुरक्षित किया। इस प्रणाली के ऊपर, उन्होंने ElevenLabs कन्वर्सेशनल AI ऑर्केस्ट्रेशन प्लेटफॉर्म से एक आवाज के साथ अनुभव को जीवंत किया।

TIME का पर्सन ऑफ द ईयर अनुभव: जहां आवाज फर्क लाती है

TIME AI के हालिया लॉन्च ने पाठकों को TIME की पत्रकारिता, जिसमें उनका प्रतिष्ठित पर्सन ऑफ द ईयर कवरेज शामिल है, के बारे में प्राकृतिक बातचीत में शामिल होने की अनुमति दी। इस कार्यान्वयन को अनगिनत अन्य चैटबॉट्स से अलग करने वाली बात सिर्फ इसका ज्ञान नहीं है—यह आवाज है।

"आवाज का उपयोग वास्तव में इसे एक अच्छा पंची एहसास देता है," सु ने कहा। "इसके बिना, यह सिर्फ एक और चैट बॉट के रूप में खो जाता है। हम चाहते थे कि एजेंट एक लाइव रीडिंग पार्टनर की तरह महसूस हो, जो ऑफ-स्क्रिप्ट कन्वर्सेशनल डीप डाइव्स के लिए उपलब्ध हो।" इस कार्यान्वयन ने AI विकास में स्केल AI की विशेषज्ञता को ElevenLabs के कन्वर्सेशनल AI प्लेटफॉर्म के साथ मिलाया, एक ऐसा अनुभव तैयार किया जो आश्चर्यजनक रूप से मानव जैसा महसूस होता है जबकि सामग्री और ब्रांड आवाज पर सख्त नियंत्रण बनाए रखता है।

एंटरप्राइज-रेडी सिस्टम्स का निर्माण

जो एंटरप्राइज बड़े पैमाने पर कन्वर्सेशनल AI को लागू करना चाहते हैं, उनके लिए स्केल AI और ElevenLabs के साथ सहयोग एक सिद्ध मार्ग प्रदान करता है। स्केल AI मजबूत गार्डरेल्स के साथ नियंत्रित, सुरक्षित मल्टी-मोडल AI सिस्टम्स के निर्माण में गहरी विशेषज्ञता लाता है, जबकि ElevenLabs सर्वोत्तम-इन-क्लास वॉइस तकनीक प्रदान करता है जिसे इन सिस्टम्स में सहजता से एकीकृत किया जा सकता है।

जबकि TIME का कार्यान्वयन पत्रकारिता पर केंद्रित है, वही आर्किटेक्चर विभिन्न एंटरप्राइज उपयोग मामलों में लागू किया जा सकता है, विशेष रूप से ग्राहक सेवा और समर्थन में। ग्राहक बुनियादी चैटबॉट्स से थक चुके हैं क्योंकि वे अधिक आकर्षक, मानव-समान इंटरैक्शन की मांग करते हैं।

इस पोस्ट में योगदान देने के लिए फेलिक्स का धन्यवाद। आप फेलिक्स सु को LinkedIn और X, और आप उनके पर्सन ऑफ द ईयर 2024उनके पर्सन ऑफ द ईयर 2024 के लिए, साथ ही पर्सन ऑफ द ईयर 2021, 2022 और

डेवलपर्स हमारे डॉक्यूमेंट्स, और व्यवसाय जो भरोसेमंद कन्वर्सेशनल वॉइस एजेंट समाधान प्रोडक्शन में लागू करना चाहते हैं, वे एंटरप्राइज समाधान टीम से संपर्क कर सकते हैं ElevenLabs और