VoiceBot
VoiceBot je volitelná funkce, která umožňuje automatizované hlasové konverzace s volajícími. Lze jej využít pro samoobslužné scénáře, kvalifikaci hovorů nebo jako plně autonomního hlasového agenta.
VoiceBot obsluhuje hlasový kanál — převádí mezi řečí a textem — takže konverzační backendy pracují pouze s prostým textem, podobně jako chatbot.
Architektura
Pipeline VoiceBota je rozdělen do tří kroků, pojmenovaných podle lidských orgánů:
| Krok | Název | Funkce |
|---|---|---|
| 👂 | Uši (Speech-to-Text) | Převádí hlas volajícího na text v reálném čase |
| 🧠 | Mozek (Konverzace) | Přijímá text, zpracovává jej a generuje textovou odpověď |
| 👄 | Ústa (Text-to-Speech) | Převádí textovou odpověď zpět na hlas pro volajícího |
Toto oddělení umožňuje stavět složité hlasové interakce nad backendy, které pracují pouze s textem. Například CRM systém nemusí řešit audio streamy, kodeky ani časování v reálném čase — jednoduše přijme textovou zprávu a vrátí textovou odpověď.
Kroky Uši a Ústa také obsahují interní funkce, které zlepšují uživatelský zážitek, jako je podkladový zvuk, přirozené pauzy a úpravy časování, aby konverzace působila přirozeněji.
Konverzační backendy
Krok Mozek podporuje více backendů:
- Interní (LLM) — používá Azure OpenAI (např. GPT-4.1) jako konverzační engine. Celá dialogová logika běží v rámci UCS.
- Externí (integrovaný systém) — deleguje konverzaci na externí systém (např. OSL nebo jinou CRM/dialogovou platformu). UCS odešle text volajícího externímu systému a přijme textovou odpověď. Dialogový tok řídí externí systém.
Služby Azure
VoiceBot využívá stejné prostředky Azure jako AI přepis hovorů. Pokud již máte AI přepis hovorů nastavený, nejsou potřeba žádné další prostředky Azure.
Pokud nastavujete VoiceBot bez AI přepisu hovorů, vytvořte následující položky podle návodu v sekci AI přepis hovorů — Služby Azure:
| Položka | Použití |
|---|---|
| App Registration | Autentizace UCS vůči Azure API |
| Azure OpenAI | Mozek — interní LLM backend (pouze pokud nepoužíváte externí systém) |
| Azure AI Services | Uši — Speech-to-Text v reálném čase; volitelně Ústa — Text-to-Speech |
| Budget | Kontrola nákladů na služby Azure |
Služby třetích stran
Kromě Azure může krok Ústa využívat poskytovatele Text-to-Speech třetí strany:
- ElevenLabs — nabízí vysoce kvalitní, přirozeně znějící hlasy. Vyžaduje samostatný účet ElevenLabs a API klíč.
Volba poskytovatele TTS se konfiguruje při aktivaci.
Aktivace funkce
Po zajištění všech požadovaných služeb zašlete následující informace společnosti INSOFT k aktivaci:
Přihlašovací údaje Azure (pokud nebyly již poskytnuty pro AI přepis hovorů):
| Parametr | Zdroj |
|---|---|
| Tenant ID | App Registration → Overview → Directory (tenant) ID |
| Client ID | App Registration → Overview → Application (client) ID |
| Client Secret | App Registration → Certificates & secrets → Value |
| Azure OpenAI Endpoint | Azure OpenAI → Overview → Endpoint |
| OpenAI Deployment Name | Azure OpenAI → Azure AI Foundry → Deployments |
| OpenAI API Version | Azure OpenAI → Azure AI Foundry → Deployments → Deployment details |
| AI Services Endpoint | Azure AI Services → Overview → Endpoint |
Konfigurace specifická pro VoiceBot:
| Parametr | Popis |
|---|---|
| Backend mozku | internal (LLM) nebo external (integrovaný systém) |
| Poskytovatel TTS | azure nebo elevenlabs |
| ElevenLabs API Key | Pouze při použití ElevenLabs jako poskytovatele TTS |
| Údaje externího systému | Pouze při použití externího backendu mozku — detaily připojení dodá integrátor |