Détection de virage dans les agents vocaux : le compromis dont personne ne parle
Une détection de virage plus rapide signifie que l'agent répond plus rapidement mais interrompt davantage. Une détection plus lente signifie moins d’interruptions mais des pauses gênantes. Il n'y a pas de déjeuner gratuit.
La détection de tour – déterminer quand l’appelant a fini de parler – est le problème le plus sous-estimé de l’IA vocale. Si vous vous trompez dans un sens, l'agent parle à l'appelant. Si vous vous trompez chez l'autre, l'agent attend trop longtemps, créant des silences gênants. Chaque plateforme fait un compromis, et la plupart ne vous en parlent pas.
Le spectre
Pointage de terminaison rapide (200 à 400 ms de silence déclenchent une réponse) : l'agent se sent vif et réactif. Mais cela interrompt les appelants qui font une pause en pleine réflexion, respirent avant de terminer une phrase ou changent de langue en cours de prononciation. Point de terminaison lent (800 à 1 200 ms) : l'agent n'interrompt presque jamais, mais la conversation semble lente, comme si vous parliez à quelqu'un avec une mauvaise connexion satellite. Le bon réglage dépend de votre cas d'utilisation, de vos appelants et de votre tolérance pour chaque mode de défaillance.
Au-delà des simples minuteries
Le simple VAD (détection d'activité vocale) traite tous les silences de la même manière. Des approches plus intelligentes utilisent des signaux sémantiques : la phrase est-elle grammaticalement complète ? L'intonation a-t-elle baissé (énoncé) ou augmenté (question toujours en cours) ? Le contenu est-il une pensée complète ? La détection de virage basée sur un modèle utilise ces signaux pour prédire l'achèvement d'un virage avec plus de précision que la seule durée du silence. Le compromis : plus de calculs par image, plus de latence dans la détection elle-même. Mais l’amélioration de la qualité de la conversation vaut généralement quelques millisecondes.
Configurable, pas universelle
Les paramètres de détection de virage idéaux pour un appel de qualification commerciale rapide sont différents d’un appel d’admission patient et empathique pour des soins de santé. Votre plate-forme doit vous permettre de configurer cela par agent ou par flux – et non d'imposer une valeur par défaut globale. Dans Agent Canvas, le comportement de détection de tour peut être défini au niveau du nœud, permettant à différents segments de conversation d'avoir une sensibilité différente.
Prêt à construire ?
Découvrez comment les agents IA multimodaux de Mazed fonctionnent pour votre cas d'utilisation.