Nowość: Multimodalna Conversational AI

Dziś w ElevenLabs wprowadzamy ważne ulepszenie w naszej Conversational AI: prawdziwą multimodalność tekstu i głosu. Nasi agenci AI rozumieją i przetwarzają jednocześnie mowę i wpisywany tekst. Dzięki temu rozmowy są bardziej naturalne, elastyczne i skuteczne — niezależnie od zastosowania.

Jakie są ograniczenia rozmów tylko głosowych?

Choć głos to wygodny i intuicyjny sposób komunikacji, agenci AI obsługujący tylko głos mogą napotkać trudności w niektórych sytuacjach. Widzieliśmy typowe problemy w firmach, na przykład:

• Błędy w transkrypcji: Przekazanie przez sam głos danych takich jak e-mail, numer ID czy numer przesyłki bywa trudne. Błąd może prowadzić do poważnych problemów, np. wyszukania złych danych klienta.
• Wprowadzanie złożonych danych: Podawanie długich ciągów cyfr, np. numeru karty, przez telefon jest męczące i łatwo o pomyłkę.

Siła multimodalności: tekst i głos razem

Dzięki obsłudze tekstu i głosu dajemy użytkownikom wybór najwygodniejszego sposobu przekazania informacji. Takie połączenie sprawia, że rozmowy są płynniejsze i bardziej niezawodne. Możesz mówić, a gdy liczy się precyzja lub wygodniej jest napisać — po prostu przechodzisz na tekst w tej samej rozmowie.

Najważniejsze korzyści

Multimodalność tekstu i głosu daje kilka kluczowych zalet:

• Większa dokładność: Możesz wpisać dane, które trudno wypowiedzieć lub łatwo o błąd w transkrypcji.
• Lepsze doświadczenie użytkownika: Większa swoboda — rozmowy są naturalniejsze, szczególnie przy wprowadzaniu wrażliwych lub złożonych danych.
• Wyższa skuteczność: Mniej błędów i frustracji, więcej udanych rozmów.
• Bardziej naturalny przebieg rozmowy: Łatwo przechodzisz między mową a tekstem, jak w prawdziwej rozmowie.

Najważniejsze funkcje

Nasza multimodalna Conversational AI oferuje:

• Równoczesne przetwarzanie: Agenci rozumieją i odpowiadają na głos i tekst w czasie rzeczywistym.
• Prosta konfiguracja: Włącz tekst jednym ustawieniem w konfiguracji widgetu.
• Tryb tylko tekstowy: Jeśli chcesz, agent może działać jak zwykły chatbot tekstowy.

Łatwa integracja i wdrożenie

Nowa multimodalność działa natywnie w całym naszym systemie:

• Widget: Wdrożysz go jedną linijką HTML.
• SDK: Pełne wsparcie dla deweloperów chcących głębokiej integracji.
• WebSocket: Dwukierunkowa komunikacja w czasie rzeczywistym z multimodalnością.

Rozwijamy sprawdzoną platformę

Multimodalność korzysta ze wszystkich dotychczasowych innowacji w naszej Conversational AI:

• Najlepsze głosy na rynku: Dostęp do najwyższej jakości głosów w ponad 32 językach.
• Zaawansowane modele mowy: Wykorzystujemy nasze technologie speech-to-text i text-to-speech.
• Globalna infrastruktura: Już działa wszędzie dzięki Twilio i SIP trunking.

Jak zacząć

Aby korzystać z multimodalności tekstu i głosu w swoich agentach ElevenLabs Conversational AI:

1. Przejdź do ustawień konfiguracji widgetu.
2. Włącz opcję "Zezwól na wpisywanie tekstu".

Wierzymy, że multimodalność tekst+głos znacznie zwiększy możliwości i wygodę korzystania z Conversational AI. Czekamy, jak wykorzystasz tę nową funkcję.