Словарь ИИ
Что такое голосовой агент
Коротко
Голосовой агент это ИИ-агент, который ведет телефонный разговор: слышит собеседника, понимает задачу, выполняет действия в системах компании и отвечает голосом.
ИИ-агенты · voice agent
Михаил МозгПроверено: 1 минута чтения
Ребенку
Позвонить в кружок и записаться можно, даже когда там никого нет. Трубку снимает говорящая программа. Она слушает, о чем ты просишь, находит свободное время и сама записывает тебя в журнал. Голос у нее похож на человеческий, но это не человек, и об этом полезно помнить.
Простыми словами
От простого автоответчика такой агент отличается тем, что не только говорит, но и делает дело. Он переводит речь собеседника в текст, языковая модель решает, что нужно, и обращается к программам: календарю записи, CRM, базе заказов. Ответ модели превращается обратно в голос, и собеседник слышит его почти без паузы. Так агент может принять звонок ночью, перенести визит клиента и сразу отправить подтверждение в мессенджер.
Для бизнеса
Голосового агента ставят на входящую линию, запись, подтверждение визитов и обзвон по базе. Экономия зависит от доли типовых звонков, которые он закрывает без оператора. Расходы складываются из телефонии, перевода речи в текст и обратно, обращений к модели и интеграции с CRM. Риски: паузы в разговоре, ошибки на шуме и акцентах, записи звонков с персональными данными. Перед запуском его проверяют на реальных записях разговоров, а сценарии и сроки внедрения разобраны на странице голосового ИИ-агента.
Для специалиста
Голосовой агент (voice agent) соединяет речевой интерфейс с агентным циклом: модель не только отвечает, но и вызывает инструменты. Каскадная схема: распознавание речи (speech-to-text), рабочий процесс или агент с инструментами, синтез речи (text-to-speech). Так устроен, например, VoicePipeline в OpenAI Agents SDK: для потокового аудио он сам определяет конец реплики (activity detection) и запускает рабочий процесс на каждый ход разговора, а прерывания документация предлагает обрабатывать по событиям начала и конца хода. Альтернатива каскаду: модель речь в речь (speech-to-speech), которая в одной сессии слушает, вызывает инструменты и отвечает голосом; каскад зато позволяет проверить промежуточный текст и заменить любой компонент. Инженерные задачи: задержка до первого звука, перебивание (barge-in), узкая полоса телефонного канала, подтверждение перед изменением данных и журнал разговора для разбора ошибок.
Пример
Клиент автосервиса звонит в субботу вечером, чтобы перенести запись. Агент находит его визит в системе, предлагает два свободных окна, переносит запись и отправляет новое время в мессенджер.
Связанные термины
Вопросы и ответы
Чем голосовой агент отличается от голосового ассистента?
Узнает ли клиент, что говорит с роботом?
Источники
Где это применяют в компании
Не уверены, нужно ли это вашей компании?
Карта ИИ-решений