말하는 대화형 AI

자연어로 대화하는 소프트웨어입니다. 말하거나 입력한 내용을 받아 의도를 파악하고 여러 차례에 걸쳐 응답합니다. 챗봇과 음성 에이전트 모두 대화형 AI입니다. 음성 버전은 실시간 오디오를 대상으로 이 작업을 실시간으로 수행해야 합니다.

네. ChatGPT는 텍스트 중심의 대화형 에이전트입니다. 음성 에이전트는 음성 오디오로 같은 역할을 수행하므로 스트리밍 전사, 발화 차례 감지, 저지연 음성 생성 같은 실시간 요구사항이 추가됩니다.

입출력 방식과 타이밍이 다릅니다. 챗봇은 텍스트를 읽고 쓰며 응답 사이에 시간을 가질 수 있습니다. 음성 에이전트는 실시간 음성을 전사하고 발신자가 말을 마쳤는지 판단한 뒤 자연스러운 대화를 유지할 만큼 빠르게 소리 내어 답합니다. 타이밍을 놓치면 발신자가 말을 겹쳐 하거나 전화를 끊습니다.

받아쓰기가 아니라 전화 통화처럼 느껴질 만큼 빨라야 합니다. Cartesia의 Sonic 모델은 모델 지연 시간이 90ms 미만이며 생성과 동시에 오디오 스트리밍을 시작하므로 일반적으로 1초보다 훨씬 짧은 시간 안에 재생이 시작됩니다.

네, 두 가지 방법이 있습니다. Managed Agents를 사용하면 몇 번의 클릭으로 LLM, 도구, 지식을 갖춘 전화 에이전트를 만들 수 있습니다. 직접 대화 루프를 관리하고 싶다면 API와 SDK를 통해 Sonic과 Ink를 사용할 수 있습니다.