Balso agentą šiandien galima surinkti per vieną popietę. Tai tiesa — ir būtent dėl to dauguma pirmųjų bandymų baigiasi tuo, kad agentas skamba kaip amerikietis, mokęsis lietuviškai iš vadovėlio.
Techninė dalis paprasta. Sunki dalis yra lietuvių kalba, kuri kiekviename sluoksnyje yra kraštinis atvejis.
Keturi sluoksniai
Kiekvienas balso agentas, nesvarbu kokiu įrankiu surinktas, yra ta pati grandinė:
- Transkripcija — jūsų kalba paverčiama tekstu
- Kalbos modelis — tekstas paverčiamas atsakymu
- Balso sintezė — atsakymas paverčiamas garsu
- Telefonija — visa tai sujungiama su telefono linija
Latencija sudedama. Jei kiekvienas sluoksnis atsakys per pusę sekundės, pašnekovas lauks dviejų. Dvi sekundės pokalbyje yra amžinybė — būtent taip atrodo „robotiškas” agentas, kurio niekas nemėgsta.
Tikslas, į kurį verta lygiuotis: bendra latencija po pusantros sekundės. Virš dviejų sekundžių žmogus aiškiai jaučia mašiną.
Kur lietuvių kalba sugriūva
Transkripcijoje. Modeliai, gerai atpažįstantys anglų kalbą, lietuviškai klysta ties nosinėmis ir priebalsių samplaikomis. Dar blogiau — dauguma jų pagal nutylėjimą skaičius paverčia skaitmenimis, todėl pasakius „dvidešimt trys” modelis mato „23” ir atsako skaitmeniu, kurio balsas lietuviškai neperskaitys taisyklingai.
Sintezėje. Greitieji balso modeliai lietuvių kalbos paprasčiausiai nepalaiko. Palaiko lėtesnieji — ir čia atsiranda pirmasis tikras kompromisas: arba geras tarimas, arba maža latencija. Sprendimą priimate ausimis, ne pagal lentelę.
Kalbos modelyje. Stipriausi modeliai lietuvių gramatiką moka gerai. Pigesnės ir greitesnės jų versijos pradeda klysti linksniais — ir tai girdisi iš karto, nes klaidingas linksnis lietuviškai skamba kaip svetimšalio kalba.
Ko negalima daryti prompte
Agento tekstas virsta garsu. Viskas, ko negalima ištarti, sugadina pokalbį.
- Skaičius rašykite žodžiais. „Šeši šimtai devyniasdešimt eurų”, ne „690 EUR”.
- Jokių sąrašų. Modelis, palikta savieigai, atsakys punktais — o punktų garsu ištarti neįmanoma.
- Riba atsakymo ilgiui. Vienas atsakymas — du sakiniai. Šitą taisyklę reikia įrašyti ir prompte, ir modelio nustatymuose, nes prašymas vienas be kito neveikia.
- Jokių santrumpų. „Pavyzdžiui” vietoj „pvz.”, kitaip balsas perskaitys raidėmis.
Šitos keturios taisyklės duoda daugiau nei bet koks kitas prompto tobulinimas.
Kur žmonės sustoja
Pirmas pokalbis naršyklėje suveikia beveik visada. Problemos prasideda toliau.
Telefono numeris. Balso agentas naršyklėje ir balso agentas telefone — du skirtingi dalykai. Telefonui reikia numerio, o lietuviško numerio nė vienas didysis tiekėjas nesiūlo savitarnoje. Jį reikia pirkti atskirai, registruoti su įmonės dokumentais ir prijungti kaip SIP liniją.
Išeinantys skambučiai. Nusipirkus numerį galima priimti skambučius. Skambinti — jau atskira paslauga su atskiru patvirtinimu. Daugelis tai supranta tik tada, kai numeris jau nupirktas.
Teisė. Nuo 2026-ųjų ES Dirbtinio intelekto aktas reikalauja, kad pašnekovas žinotų kalbantis su mašina. Tai vienas sakinys pokalbio pradžioje, bet jo nebuvimas paverčia visą sistemą neteisėta. Plačiau — AI akto reikalavimai skambučiams.
Kiek tai kainuoja
Testavimui — kelios dešimtys eurų. Realiam darbui skaičiuokite pagal minutę: transkripcija, modelis ir balsas kartu kainuoja apie dešimt–dvidešimt centų už pokalbio minutę, plius telefonijos minutės atskirai.
Svarbiau už tarifą yra kitas skaičius: kiek jūsų laiko tai suvalgys. Pirmoji versija — popietė. Versija, kurios nesigėdytumėte parodyti klientui — dvi ar trys savaitės derinimo pagal tikrus įrašus.
Ar verta daryti pačiam
Verta, jei bent vienas atsakymas teigiamas:
- Kuriate sprendimus klientams ir tai taps jūsų preke
- Turite techninę komandą ir daug skambučių
- Norite suprasti, kaip tai veikia, prieš perkant
Neverta, jei jums reikia rezultato per savaitę ir neturite kam derinti sistemos po paleidimo. Tada paruoštas sprendimas atsieis pigiau nei jūsų pačių laikas.
Visa techninė grandinė su konkrečiais nustatymais, pilnu promptu ir įrašymo scenarijumi balso klonui surinkta į praktinį vadovą — jis skirtas būtent tiems, kurie renkasi pirmąjį kelią.