Kabir Goel
Kabir Goelの執筆記事
AIコールドコールとは：仕組みと構築方法
AIコールドコールは、自ら発信し、見込み客を見極め、商談を予約する音声エージェントです。通話費用、同意に関する法律、2つの構築方法を解説します。
オンプレミス音声AIとは：仕組みと導入方法
音声認識、言語モデル、音声合成を自社ネットワーク内で実行するオンプレミス音声AI。クラウド、VPC、オンプレミス、エアギャップ構成を比較します。
AI音声エージェントとは：仕組みと構築方法
AI音声エージェントの仕組みと、通話者が会話を続けられるかを左右するレイテンシ、ターン交代、テストの判断を解説します。
音声区間検出：音声エージェントのためのVAD
音声区間検出の仕組み、ターン検出との違い、リアルタイム音声エージェントで間や割り込みを扱う方法を解説します。
単語誤り率とは。音声AIのWERでは測れないもの
単語誤り率が測るもの、TTS評価で判断を誤らせる理由、実際の会話で重要な音声品質の検証方法を解説します。
対話型IVRで電話メニューを置き換える方法
対話型IVRが音声の要望を振り分ける仕組み、音声エージェントの役割、電話メニューを置き換える前に検証すべきことを解説します。
AIコールセンター：音声エージェントの試験導入
サポート窓口の選定、ツール接続、担当者への引き継ぎ、解決率と費用の測定を通じて、AIコールセンターの試験導入を進めます。
AI受付：既製品を買うか、自分で構築するか
既製のAI受付と独自の音声エージェントを比較し、予約、人への引き継ぎ、費用、最初の着信のテストを計画します。
SpeechSynthesisでJavaScriptのテキストを音声に変換する
JavaScriptでブラウザーの読み上げデモを作成します。音声の取得、読み上げ、停止を実装し、ホステッドTTS APIを使うべき場面も解説します。
Pythonで音声合成：音声をWAVファイルに保存する
PythonとCartesia SDKでテキストからWAVファイルを生成します。APIキーの設定、声の選択、音声や認証に関するよくあるエラーへの対処を解説します。
Claudeの大部隊を育てるソフトウェアエンジニアを募集しています
コードを書くことは解決したように感じます。でも、エンジニアリングはまだです。その差を埋める人を募集しています。
[エンジニアリング]
今すぐ始める
専門家に相談する。
音声体験の開発にCartesiaをどう活用できるか、私たちのチームにご相談ください。
開発を始める。
APIでモデルにアクセスし、数分で音声エージェントを本番環境に導入できます。