Klientas paskambina, DI asistentas pakelia ragelį, išklauso klausimą ir atsako natūraliu balsu. Viskas vyksta per 2 sekundes. Bet kas iš tikrųjų vyksta per tas 2 sekundes? Kaip DI balso technologija paverčia garso bangas prasmingu pokalbiu? Paaiškinsime paprastai — be inžinerinių terminų.
Trumpai: 3 žingsniai per 2 sekundes
DI balso asistentas atlieka tris žingsnius kiekvieną kartą, kai klientas ką nors pasako:
- Žingsnis 1: Klausymas — DI paverčia kliento balsą tekstu (Speech-to-Text)
- Žingsnis 2: Supratimas — DI analizuoja tekstą ir nusprendžia, ką atsakyti (LLM / dirbtinis intelektas)
- Žingsnis 3: Atsakymas — DI paverčia atsakymą natūraliu balsu (Text-to-Speech)
Šie trys žingsniai vyksta per maždaug 1,5-2 sekundes — tiek, kiek trunka natūrali pauzė pokalbyje tarp dviejų žmonių. Klientas to net nepastebi.
Dabar pažvelkime į kiekvieną žingsnį detaliau.
Žingsnis 1: Kalbos atpažinimas (Speech-to-Text)
Kai klientas kalba į telefoną, DI asistentas gauna garso bangą — iš esmės, skaitmeninius duomenis, kurie atspindi balso svyravimus. Pirmas DI uždavinys — paversti šią garso bangą tekstu.
Kaip tai veikia? DI modelis buvo išmokytas klausytis milijonų valandų žmonių kalbos. Jis atpažįsta garsų derinius, žodžius, sakinius — panašiai, kaip jūs atpažįstate žodžius, kai kas nors kalba jums į ausį.
Lietuvių kalbos iššūkiai
Lietuvių kalba yra ypatingai sudėtinga kompiuteriui. Kodėl?
- Galūnės — tas pats žodis gali turėti dešimtis formų. „Dantis", „danties", „dantį", „dančiui" — visa tai reiškia tą patį daiktą, bet skamba visiškai skirtingai.
- Linksniai — lietuvių kalboje yra 7 linksniai, kurie keičia žodžio galūnę priklausomai nuo konteksto.
- Tarmės — žemaitis ir aukštaitis tą patį sakinį ištars skirtingai. DI turi suprasti abu.
- Mažesnis duomenų kiekis — anglų kalba turi šimtus kartų daugiau mokymo duomenų nei lietuvių, todėl lietuviškas atpažinimas reikalauja specializuotų sprendimų.
Nepaisant šių iššūkių, šiuolaikinė DI balso technologija pasiekia labai aukštą tikslumą lietuvių kalba. Retkarčiais DI gali nesuprati atskiro žodžio — bet vis tiek supras visą sakinio prasmę iš konteksto.
Žingsnis 2: Supratimas ir sprendimas (dirbtinis intelektas)
Dabar DI turi tekstą — tai, ką klientas pasakė. Bet žinoti žodžius dar nereiškia suprasti. Antrame žingsnyje DI turi suprasti, ko klientas iš tikrųjų nori.
Kaip DI supranta prasmę
Įsivaizduokite, kad klientas sako: „Norėčiau užsiregistruoti pas gydytoją rytoj po pietų". DI turi suprasti kelis dalykus vienu metu:
- Veiksmas — klientas nori registruotis (ne atšaukti, ne paklausti kainos)
- Kam — pas gydytoją (ne pas higienistę ar konsultantą)
- Kada — rytoj, po pietų (konkreti data ir laikas)
Tai daro didelis kalbos modelis (LLM) — ta pati technologija, kuri stovi už ChatGPT ir panašių sistemų. Tačiau DI balso asistentas yra specializuotas konkrečiam verslui.
Žinių bazė: Jūsų verslo informacija
DI asistentas nėra bendras pokalbių robotas. Jis žino viską apie Jūsų verslą:
- Paslaugas ir kainas — kokias paslaugas teikiate, kiek jos kainuoja, kiek trunka
- Darbo laiką — kada dirbate, kokios poilsio dienos, švenčių grafikai
- Specialistus — kas dirba, kokią kvalifikaciją turi, kokius laikus turi laisvus
- DUK — dažniausiai klientų užduodami klausimai ir atsakymai į juos
Ši informacija sudaro žinių bazę, kurią paruošiame kartu su jumis prieš paleidžiant asistentą.
Ką asistentas daro su pokalbiu
Supratęs, ko klientas nori, DI asistentas pirmiausia atsako į klausimą iš žinių bazės — paaiškina paslaugas, kainas, darbo laiką, procedūras. Visą pokalbį jis tvarko taip:
- Konsultuoja — paaiškina paslaugas, kainas, procedūras pagal jūsų žinių bazę
- Užfiksuoja klientą — nustato, kas skambino ir kokiu reikalu (vardas + priežastis)
- Atsiunčia santrauką — pokalbio pabaigoje el. paštu gauni, kas skambino, ko norėjo ir ką reikia padaryti
Konkrečiai ATSILIEPSIU.LT sprendimas atsiliepia į įeinančius skambučius, atsako lietuviškai, užfiksuoja kliento vardą bei reikalą ir atsiunčia tau pokalbio santrauką el. paštu. Sudėtingesnius poreikius — kalendoriaus rezervacijas, CRM integracijas, išeinančius skambučius — sprendžia atskiras verslo lygmens produktas ainora.lt.
Žingsnis 3: Natūralus atsakymas (Text-to-Speech)
DI nusprendė, ką atsakyti. Dabar reikia tai pasakyti balsu — taip, kad skambėtų natūraliai ir žmogiškai.
Kaip DI generuoja balsą
Šiuolaikinė Text-to-Speech technologija negali būti palyginta su senomis robotiškomis sistemomis. DI balsas generuojamas naudojant neuroninius tinklus, kurie buvo išmokyti iš tūkstančių valandų žmogaus kalbos.
Rezultatas — balsas, kuris skamba natūraliai: su tinkamomis pauzėmis, kirčiais ir ritmu.
Lietuviško balso kokybė
Lietuviškas DI balsas šiandien yra aukštos kokybės. Jis taisyklingai taria lietuviškus garsus, teisingai deda kirčius dažniausiuose žodžiuose ir kalba sklandžiai, be nenatūralių pauzių.
Daugelis klientų pirmosiomis sekundėmis net nesuvokia, kad kalba su DI — balsas skamba kaip tikro žmogaus.
Intonacija ir emocijos
DI balsas nėra monotoniškas. Jis gali:
- Pakelti intonaciją klausiamuosiuose sakiniuose
- Kalbėti ramiau, kai klientas yra susirūpinęs
- Būti energingas, kai sveikina arba patvirtina rezervaciją
- Pritaikyti tempą — lėčiau, kai diktuojama informacija, greičiau bendram pokalbiui
Kas vyksta už kadro?
Trys žingsniai — klausymas, supratimas, atsakymas — yra tai, ką klientas girdi. Pokalbio pabaigoje DI dar paruošia svarbiausią dalyką tau:
- Pokalbio santrauka — kiekvieno pokalbio pabaigoje ATSILIEPSIU.LT atsiunčia tau trumpą santrauką el. paštu: kas skambino, kokiu reikalu ir ką reikia padaryti. Nieko nepražiopsosi, net kai negali atsiliepti.
Sudėtingesnės integracijos — CRM patikra, kalendoriaus rezervacijos, automatiniai SMS patvirtinimai, išeinantys priminimai — technologiškai įmanomos, bet tai jau verslo lygmens projektai. Jei tau reikia tokio sprendimo, žvilgtelėk į ainora.lt. ATSILIEPSIU.LT sąmoningai laikosi vieno paprasto darbo: atsiliepti, suprasti, užfiksuoti ir atsiųsti tau santrauką.
Kuo tai skiriasi nuo IVR?
Tradicinė IVR sistema (spauskite 1, spauskite 2) ir DI balso asistentas yra fundamentaliai skirtingos technologijos:
- IVR — fiksuoti meniu, mygtukai, riboti scenarijai. Klientas prisitaiko prie sistemos.
- DI asistentas — laisva kalba, supratimas, veiksmai. Sistema prisitaiko prie kliento.
IVR nesupranta kalbos — ji tik atpažįsta mygtukų paspaudimus. DI asistentas supranta, ką sakote, ir reaguoja prasmingai. Tai skirtumas tarp kalkuliatoriaus ir žmogaus. Daugiau apie šį skirtumą skaitykite straipsnyje DI balso asistentas vs IVR: kuo skiriasi.
Dažnai užduodami klausimai
Ar DI supranta tarmę?
DI balso asistentas yra treniruotas atpažinti standartinę lietuvių kalbą ir dažniausias tarmes. Žemaitišką ar aukštaitišką tartį jis supras be problemų. Labai retoms ar specifinėms tarmėms tikslumas gali būti šiek tiek mažesnis, bet sistema nuolat tobulėja.
Kas nutinka, kai DI nesupranta?
Kai DI nesupranta kliento, jis mandagiai paprašo pakartoti arba performuluoti klausimą. Jei po 2-3 bandymų vis dar nesuprantama, DI užfiksuoja kliento vardą bei reikalą ir pažada, kad perskambinsi — o tu gauni pokalbio santrauką el. paštu ir gali susisiekti su klientu.
Ar pokalbis įrašomas?
Taip, pokalbiai gali būti įrašomi ir transkribuojami. Tai daroma laikantis BDAR (GDPR) reikalavimų. Klientas informuojamas apie įrašymą, o jūs turite pilną prieigą prie įrašų ir transkripcijų savo paskyroje.
Kiek laiko trunka atsakymas?
Visas procesas — nuo kliento žodžių iki DI atsakymo — trunka apie 1,5-2 sekundes. Tai panašu į natūralią pauzę pokalbyje su žmogumi, todėl pokalbis jaučiasi sklandus ir natūralus.
Summary in English
DI voice assistants process calls in three steps that take about 2 seconds total. First, Speech-to-Text converts the caller's voice into text, achieving very high accuracy in Lithuanian despite its complex grammar. Second, a large language model (LLM) interprets the meaning, checks the business knowledge base, and decides how to respond — answering questions, explaining services and prices. Third, Text-to-Speech generates a natural-sounding voice response with proper intonation. ATSILIEPSIU.LT is a simple one-plan product for Lithuanian small businesses: it answers inbound calls 24/7 in Lithuanian (with English/Russian fallback if the caller starts in those languages), captures the caller's name and reason, and emails the owner a summary of every call. More advanced needs — CRM integrations, calendar booking, SMS, outbound calling, more languages — are handled by the separate business product at ainora.lt.