หมายเหตุ
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลอง ลงชื่อเข้าใช้หรือเปลี่ยนไดเรกทอรีได้
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลองเปลี่ยนไดเรกทอรีได้
Note
บทความนี้อธิบายคุณสมบัติที่ใช้ในเอเจนต์หรือการไหลของเอเจนต์ที่ขับเคลื่อนโดยฮาร์เนสมาตรฐาน
ในการปรับใช้เอเจนต์แบบเรียลไทม์ ให้เปิดใช้งานโมเดลแบบเรียลไทม์ กําหนดค่าการตั้งค่าหลักของเอเจนต์ แล้วตั้งค่าคุณสมบัติเฉพาะช่องสัญญาณที่จําเป็น คุณสามารถติดตั้งเอเจนต์เดียวกันไปยังช่องทางเสียง ช่องทางส่งข้อความดิจิทัล หรือทั้งสองช่องทาง
Note
เอเจนต์แบบเรียลไทม์พร้อมใช้งานในรุ่นพรีวิวสำหรับช่องทางการส่งข้อความดิจิทัล คุณลักษณะพรีวิวไม่ได้มีไว้สำหรับการนำไปใช้งานจริง และอาจมีการจำกัดฟังก์ชันการทำงาน คุณลักษณะเหล่านี้จะขึ้นอยู่กับข้อกําหนดการใช้เพิ่มเติม Microsoft ให้ข้อมูลเหล่านี้ก่อนการเปิดตัวอย่างเป็นทางการ เพื่อให้ลูกค้าสามารถเข้าถึงได้ก่อนและให้ข้อเสนอแนะได้
ตั้งค่าและเปิดใช้งานเอเจนต์แบบเรียลไทม์
สร้างตัวแทนใหม่ และกําหนดค่ารายละเอียดพื้นฐาน เช่น ชื่อคําอธิบายและวัตถุประสงค์ของตัวแทนในคําอธิบาย
ไปที่การตั้งค่าเสียงของเอเจนต์และเปิดใช้งานเสียง ในประเภทเสียง ให้เลือก เรียลไทม์
สําคัญ
การตั้งค่านี้เป็นการเลือกครั้งเดียว หลังจากที่คุณเลือก เรียลไทม์ คุณจะไม่สามารถสลับกลับไปใช้ประเภทเอเจนต์พื้นฐานได้ หากต้องการใช้เอเจนต์พื้นฐาน ให้สร้างเอเจนต์ใหม่ การตั้งค่านี้จําเป็นแม้ว่าคุณจะใช้ตัวแทนผ่านช่องทางส่งข้อความดิจิทัลก็ตาม
เลือกโมเดลที่คุณต้องการใช้ ได้แก่ GPT-Realtime, GPT-Realtime-Mini หรือ GPT-5-Chat (ตัวอย่าง) GPT-5-Chat (พรีวิว) เป็นโมเดลเสียง LLM แบบข้อความที่สร้างการตอบสนองด้วยเสียงผ่าน Microsoft Neural Text-to-Speech (TTS)
เรียนรู้เพิ่มเติมเกี่ยวกับวิธีการทํางานของโมเดลเหล่านี้ตามภูมิภาคที่รองรับและข้อพิจารณาในการติดตั้ง ตารางต่อไปนี้อธิบายสถานการณ์ที่คุณสามารถใช้โมเดลต่าง ๆ ได้สถานการณ์จำลอง GPT-Realtime GPT-5-Chat (ตัวอย่าง) สไตล์การสนทนา การโต้ตอบด้วยเสียงพูดโดยตรงแบบเสียงต่อเสียง เสียงพูดจะถูกแปลงเป็นข้อความเพื่อใช้เหตุผล และจากนั้นสังเคราะห์กลับเป็นเสียงพูด ความหน่วง ความหน่วงต่ําสุดสําหรับการสนทนาแบบธรรมชาติ ความหน่วงสูงกว่า GPT-Realtime ปรับแต่งเสียง รองรับตัวเลือกเสียงแบบเรียลไทม์ที่มีอยู่ในตัวสําหรับเจ้าหน้าที่เสียงแบบเรียลไทม์ รองรับ Microsoft Neural Text-to-Speech (TTS) รวมถึงแคตตาล็อกเสียงที่กว้างขึ้นและโมเดลเสียงที่กําหนดเอง ประสบการณ์เสียงที่มีแบรนด์ ตัวเลือกการปรับแต่งที่จํากัด แนะนําเมื่อคุณต้องการประสบการณ์เสียงที่ปรับแต่งหรือมีแบรนด์ ความยืดหยุ่นในการติดตั้งตามภูมิภาค จํากัดเฉพาะภูมิภาคโมเดลแบบเรียลไทม์ที่รองรับ ความยืดหยุ่นมากขึ้นผ่านการรู้จําเสียงพูดและบริการ TTS เหมาะสำหรับ การสนทนาด้วยเสียงที่เป็นธรรมชาติ มีความหน่วงต่ํา และการโต้ตอบแบบเปิด สถานการณ์ที่ต้องการการปรับแต่งเสียงขั้นสูง เสียงที่กําหนดเอง ข้อกําหนดด้านการปฏิบัติตามข้อกําหนด หรือความยืดหยุ่นในการปรับใช้ตามภูมิภาค Tip
- ใช้ GPT-Realtime เมื่อคุณภาพการสนทนาที่เป็นธรรมชาติและความหน่วงต่ําเป็นข้อกําหนดหลัก
- ใช้ GPT-Realtime-Mini (พรีวิว) สําหรับสถานการณ์ที่ต้องการการโต้ตอบด้วยเสียงพูดที่รวดเร็ว พร้อมความหน่วงและการใช้ทรัพยากรต่ํา
- ใช้ GPT-5-Chat (Preview) เมื่อการปรับแต่งเสียง โมเดลเสียงที่กําหนดเอง หรือความยืดหยุ่นในการปรับใช้มีความสําคัญมากกว่าความหน่วงเวลาในการตอบสนอง
ไปที่การตั้งค่า ความปลอดภัย ของบริษัท และเลือก ไม่มีการรับรองความถูกต้อง
ความรู้และเครื่องมือ
คุณสามารถกําหนดค่าตัวแทนให้ใช้ความรู้และเครื่องมือ เรียนรู้เพิ่มเติมในบทสรุปแหล่งความรู้เพิ่มเครื่องมือลงในตัวแทนแบบกําหนดเอง และเครื่องมือ ความรู้ MCP และ API
เอเจนต์แบบซ้อนกัน (พรีวิว)
เอเจนต์แบบเรียลไทม์รองรับเฉพาะ เอเจนต์เด็กเท่านั้น
สําคัญ
ตรวจสอบให้แน่ใจว่าคําอธิบายของเจ้าหน้าที่ลูกไม่ทับซ้อนกับคําอธิบายหัวข้อ กําหนดลําดับการเรียกใช้อย่างชัดเจนในคําสั่งของตัวแทน
หัวข้อ
เอเจนต์แบบเรียลไทม์รองรับทุกหัวข้อที่ตั้งค่าใน Copilot Studio ใช้หัวข้อเพื่อกําหนดพฤติกรรมเชิงกําหนด เช่น การทักทาย กฎทางธุรกิจ และการยกระดับ ขณะที่โมเดลที่คุณเลือกจะจัดการการตอบกลับเชิงสนทนาขณะรันไทม์ เรียนรู้เพิ่มเติมใน เลือกวิธีการควบคุมการสนทนา
แนวทางปฏิบัติที่ดีที่สุด
ใช้หัวข้อเฉพาะเมื่อจําเป็นต้องมีลักษณะการทํางานแบบเชิงกําหนด
ใช้ข้อความคงที่ในข้อความทักทายสําหรับการตอบกลับครั้งแรกที่เร็วที่สุด ข้อความแบบไดนามิกที่มีตัวแปรและนิพจน์จะเพิ่มเวลาแฝงเริ่มต้น
ปิดใช้งานหัวข้อ เริ่มต้นการสนทนา หากคุณต้องการให้โมเดลตัวแทนแบบเรียลไทม์จัดการคําทักทาย มิฉะนั้น การทักทายที่กําหนดค่าไว้ในหัวข้อ เริ่มการสนทนา จะเล่นแทนคําทักทายของแบบจําลองเสียง
ให้โมเดลตัวแทนแบบเรียลไทม์จัดการการสนทนาทั่วไปและคําถามติดตามผล
ระบุการดำเนินการที่ชัดเจนในหัวข้อ On Error เช่น โอนสายหรือวางสาย การจัดการข้อผิดพลาดเฉพาะข้อความไม่เพียงพอ หากไม่มีขั้นตอนถัดไปที่แน่นอน ลูกค้าอาจประสบกับความเงียบของเจ้าหน้าที่เสียง หรือสายโทรศัพท์ติดขัดสําหรับช่องทางส่งข้อความ ส่งผลให้เกิดความสับสนและประสบการณ์ลูกค้าที่ไม่ดี
ใช้หัวข้อที่ชัดเจนและคําอธิบายเครื่องมือเพื่อประกาศความเป็นเจ้าของคอลเลกชันข้อมูล เรียนรู้เพิ่มเติมใน เขียนหัวข้อและคําอธิบายเครื่องมือที่มีประสิทธิภาพ
การสนับสนุนโหนดหัวข้อ
รายการต่อไปนี้อธิบายการสนับสนุนหัวข้อในเอเจนต์แบบเรียลไทม์:
โหนดเงื่อนไข
| ฟีเจอร์ | การสนับสนุน |
|---|---|
| การแบ่งสาขา If/Else | สนับสนุน |
| นิพจน์ Power Fx | สนับสนุน |
| การประมวลผลการกรอกข้อมูลใหม่ในช่องที่กำหนด | สนับสนุน |
โหนดข้อความ
| คุณลักษณะ | การสนับสนุน |
|---|---|
| ข้อความพื้นฐาน | สนับสนุน |
| การเปลี่ยนแปลงข้อความ | ได้รับการสนับสนุน |
| การแทรกตัวแปร | ได้รับการสนับสนุน |
| SSML | เฉพาะช่องเสียง |
| Rich Media/การ์ดที่ปรับเปลี่ยนได้ | รองรับเฉพาะช่องทางส่งข้อความดิจิทัลเท่านั้น คุณลักษณะนี้อยู่ในพรีวิว |
| การตอบกลับด่วน | รองรับเฉพาะช่องทางส่งข้อความดิจิทัลเท่านั้น คุณลักษณะนี้อยู่ในพรีวิว |
โหนดคำถาม
| ฟีเจอร์ | การสนับสนุน |
|---|---|
| ข้อความพร้อมท์ | ได้รับการสนับสนุน |
| ระงับโดยอัตโนมัติ | ไม่สนับสนุน |
| การเติมช่องว่าง | ได้รับการสนับสนุน |
| ข้ามลักษณะการทำงาน/การเติมช่องว่างแบบเร่งรีบ | ได้รับการสนับสนุน |
| ส่งพร้อมท์ซ้ำ/ลองใหม่ | ได้รับการสนับสนุน |
| การจัดการการตอบกลับไม่ถูกต้อง | ได้รับการสนับสนุน |
| การขัดจังหวะของหัวข้อ | ได้รับการสนับสนุน |
| การขัดจังหวะ | รองรับเฉพาะช่องเสียงเท่านั้น |
| ข้อความเตือนที่กำหนดเอง | ได้รับการสนับสนุน |
| อินพุต DTMF | รองรับเฉพาะช่องเสียงเท่านั้น |
| การตรวจจับความเงียบ | รองรับเฉพาะช่องเสียงเท่านั้น |
โหนด HTTP
| คุณลักษณะ | การสนับสนุน |
|---|---|
| วิธีการ HTTP: GET, POST, PUT, PATCH, DELETE | สนับสนุน |
| จุดสิ้นสุด URL | สนับสนุน |
| ส่วนหัวและส่วนข้อมูล | สนับสนุน |
| การแยกวิเคราะห์การตอบสนองและสคีมา | สนับสนุน |
| การแมปตัวแปร | สนับสนุน |
| การจัดการข้อผิดพลาด | สนับสนุน |
โหนดเครื่องมือ
| ฟีเจอร์ | การสนับสนุน |
|---|---|
| โฟลว์ Power Automate | ได้รับการสนับสนุน |
| การเรียกเครื่องมือ | ได้รับการสนับสนุน |
| การแมปอินพุต/เอาท์พุต | ได้รับการสนับสนุน |
| คำสั่งพร้อมท์ใหม่ | ได้รับการสนับสนุน |
ตั้งค่าโหนดค่าตัวแปร
| คุณลักษณะ | การสนับสนุน |
|---|---|
| การกำหนดสัญพจน์ | สนับสนุน |
| การกําหนดนิพจน์ | สนับสนุน |
| ตัวแปรต่อตัวแปร | สนับสนุน |
โหนดการจัดการหัวข้อ
| คุณลักษณะ | การสนับสนุน |
|---|---|
| สิ้นสุดหัวข้อปัจจุบัน | สนับสนุน |
| จบหัวข้อทั้งหมด | สนับสนุน |
| สิ้นสุดการสนทนา | สนับสนุน |
| ไปยังขั้นตอน | สนับสนุน |
| การป้อนข้อมูลของผู้ใช้สําหรับเจตนาการจดจํา | สนับสนุน |
| ไปยังหัวข้ออื่น | สนับสนุน |
โอนย้ายโหนดการสนทนา
| คุณลักษณะ | การสนับสนุน |
|---|---|
| โอนไปยังตัวแทน | สนับสนุน |
| โอนย้ายหมายเลขโทรศัพท์ภายนอก | รองรับเฉพาะช่องเสียงเท่านั้น |
ขั้นสูง
| ฟีเจอร์ | การสนับสนุน |
|---|---|
| สร้างคำตอบแบบสร้างสรรค์ | สนับสนุน |
การสนับสนุนตัวกระตุ้นระบบ
| ทริกเกอร์ | การสนับสนุน | ราย ละเอียด |
|---|---|---|
| เมื่อเริ่มการสนทนา | ได้รับการสนับสนุน | ทำงานเมื่อการสนทนาใหม่เริ่มต้นขึ้น |
| การติดต่อกับตัวแทน | ได้รับการสนับสนุน | โอนไปยังเจ้าหน้าที่มนุษย์ |
| หัวข้อหรือเจตนาไม่ทราบแน่ชัด | ไม่สนับสนุน | แสดงผลสำรองเมื่อไม่มีหัวข้อที่ตรงกัน |
| OnSelectIntent (ตรงกับหลายหัวข้อ) | ไม่สนับสนุน | การแก้ความกํากวมระหว่างหัวข้อที่คล้ายกัน |
| รีเซ็ตการสนทนา (OnSystemRedirect) | ได้รับการสนับสนุน | ล้างตัวแปรและรีสตาร์ตโฟลว์ |
| เข้าสู่ระบบ | ไม่สนับสนุน | |
| การกดปุ่ม DTMF ที่ไม่รู้จัก | ได้รับการสนับสนุน | การป้อนข้อมูลจากแป้นพิมพ์ที่ไม่ได้แมป ใช้ได้เฉพาะช่องเสียงเท่านั้น |
| ตัวแทนเลือก / ผู้ใช้จะพูดวลี | ได้รับการสนับสนุน | ตัวแทนเลือกหัวข้อตามเจตนา |
| ได้รับข้อความแล้ว | ไม่สนับสนุน | เพิ่มเวลาแฝง |
| เหตุการณ์ไคลเอ็นต์แบบกําหนดเองเกิดขึ้น | ไม่สนับสนุน | เฉพาะที่จุดเริ่มต้นเซสชันเท่านั้น |
| การอัปเดตการสนทนา | ไม่สนับสนุน | สมาชิกที่เพิ่มหรือลบการเปลี่ยนแปลงเซสชัน |
| ฟังก์ชันถูกเรียกใช้งานแล้ว | ไม่สนับสนุน | จําเป็นต้องมี UI แบบซิงโครนัส |
| ซึ่งจะถูกเปลี่ยนเส้นทาง | ได้รับการสนับสนุน | |
| ผู้ใช้ไม่ใช้งานเป็นระยะเวลาที่กําหนด | ได้รับการสนับสนุน | หมดเวลาการไม่ใช้งานของผู้ใช้ ใช้ได้เฉพาะช่องทางส่งข้อความดิจิทัลเท่านั้น |
| การตรวจจับความเงียบ | ได้รับการสนับสนุน | ใช้ได้เฉพาะช่องเสียงเท่านั้น |
| แผนเสร็จสมบูรณ์ | ไม่สนับสนุน | |
| การตอบสนองที่สร้างขึ้นโดย AI | ไม่สนับสนุน | |
| เมื่อเกิดข้อผิดพลาด | ได้รับการสนับสนุน | จัดการข้อผิดพลาดการประสานงาน |
ส่งผ่านตัวแปรระหว่างหัวข้อและแบบจําลองภาษา
เมื่อคุณใช้หัวข้อในโฟลว์การสนทนาแบบไฮบริด การทําความเข้าใจวิธีการส่งผ่านตัวแปรระหว่างหัวข้อและแบบจําลองภาษาแบบเรียลไทม์เป็นสิ่งสําคัญสําหรับการสร้างการโต้ตอบที่เชื่อถือได้และสื่อความหมาย กระบวนการนี้ใช้ได้ในทุกช่องทาง
ฟังก์ชันนี้ทํางานผ่านกระบวนการต่อไปนี้:
คุณส่งผ่านตัวแปรป้อนเข้าที่กําหนดในหัวข้อลงในหัวข้อในเวลาการเรียกใช้ ดังนั้นแบบจําลองภาษาสามารถให้ข้อมูลที่มีโครงสร้างไปยังโฟลว์แบบกําหนดได้
คุณส่งกลับตัวแปรเอาต์พุตที่กําหนดในหัวข้อไปยังแบบจําลองภาษาในตอนท้ายของการดําเนินการหัวข้อเป็นคู่ค่าคีย์ที่มีโครงสร้าง
ผลลัพธ์จากการเรียกเครื่องมือก็มีรูปแบบเดียวกัน
แบบจำลองภาษาถูกเติมด้วยบริบทการสนทนา รวมถึงคู่คีย์-ค่าผลลัพธ์จากเครื่องมือ อย่างไรก็ตาม คุณส่งกลับเฉพาะ ตัวแปรเอาต์พุตที่กําหนดไว้อย่างชัดเจน ว่าเป็นข้อมูลที่มีโครงสร้างเท่านั้น
คําอธิบายตัวแปรช่วยให้โมเดลเข้าใจวิธีใช้ตัวแปรในระหว่างการสนทนา ให้คําจํากัดความที่ชัดเจนและอธิบายได้ดี
เรียนรู้เพิ่มเติมใน จัดการอินพุตและเอาต์พุตของหัวข้อ
การสนับสนุนหลายภาษา
เพิ่มภาษารองทั้งหมดที่คุณต้องการ ข้อความแปลสู่ภาษาท้องถิ่นไม่จำเป็นสำหรับการไหลข้อมูลแบบเรียลไทม์ใด ๆ อย่างไรก็ตาม สําหรับข้อความหัวข้อแบบเชิงกําหนด คุณจําเป็นต้องใส่ข้อความที่แปล เรียนรู้เพิ่มเติมใน กําหนดค่าและสร้างตัวแทนหลายภาษา
แบบจําลองแบบเรียลไทม์สามารถเข้าใจและตอบสนองในหลายภาษา อย่างไรก็ตาม Microsoft จะไม่ตรวจสอบภาษาทั้งหมดสําหรับความพร้อมใช้งานทั่วไปอย่างเป็นทางการ
ณ เดือนมิถุนายน 2026 ภาษาต่อไปนี้ได้รับการรับรองอย่างเป็นทางการ:
- ภาษาดัตช์ (เนเธอร์แลนด์) (nl-NL)
- อังกฤษ (ออสเตรเลีย) (en-AU)
- ภาษาอังกฤษ (สหรัฐอเมริกา) (en-US)
- อังกฤษ (สหราชอาณาจักร) (en-GB)
- ฝรั่งเศส (แคนาดา) (fr-CA)
- ฝรั่งเศส (ฝรั่งเศส) (fr-FR)
- ภาษาเยอรมัน (เยอรมนี) (de-DE)
- ภาษาอิตาลี (อิตาลี) (it-IT)
- โปรตุเกส (บราซิล) (pt-BR)
- สเปน (สเปน) (es-ES)
- ภาษาสเปน (สหรัฐอเมริกา) (es-US)
Microsoft ยังคงตรวจสอบภาษาอื่น ๆ และเพิ่มภาษาดังกล่าวหลังจากการรับรองเสร็จสมบูรณ์ คุณสามารถเพิ่มภาษาใดก็ได้ที่ Copilot Studio รองรับ อย่างไรก็ตาม ภาษาที่ไม่ได้รับการรับรองอย่างสมบูรณ์สําหรับคุณภาพระดับ GA ควรได้รับการทดสอบอย่างละเอียดก่อนการปรับใช้การผลิต
สําคัญ
ความสามารถด้านภาษาทางเทคนิคไม่เท่ากับภาษาที่รองรับหรือได้รับการรับรอง หากคุณต้องการปรับใช้ตัวแทนในภาษาอื่นที่ไม่ใช่ภาษาอังกฤษ คุณควรดําเนินการทดสอบที่ครอบคลุมกับผู้โทรในโลกแห่งความจริงและโฟลว์การโทรก่อนที่จะถ่ายทอดสด
ตัวแปรบริบท
ตัวแทนแบบเรียลไทม์รองรับตัวแปรบริบทที่ช่วยให้ทํางานได้อย่างชาญฉลาดมากขึ้นโดยการส่งข้อมูลเกี่ยวกับการสนทนาและลูกค้า ตัวแปรบริบทที่มีอยู่ขึ้นอยู่กับช่องสัญญาณ ชุดนี้ประกอบด้วย:
| ตัวแปรบริบท | คำอธิบาย |
|---|---|
| รหัสแชนเนล | ระบุช่องทางการสื่อสารที่ใช้สําหรับการโต้ตอบ ใช้ได้เฉพาะช่องเสียงเท่านั้น |
| หมายเลขโทรศัพท์ของผู้โทร (ANI) | หมายเลขโทรศัพท์เดิมของผู้โทร ใช้ได้เฉพาะช่องเสียงเท่านั้น |
| หมายเลขผู้โทร (DNIS) | หมายเลขโทรศัพท์ปลายทางที่ผู้โทรโทรออก ใช้ได้เฉพาะช่องเสียงเท่านั้น |
| รหัสการสนทนา | รหัสเฉพาะสําหรับเซสชันการโทรที่ใช้งานอยู่ |
| ส่วนหัวของ SIP | คู่คีย์-ค่าของส่วนหัว SIP ที่รองรับซึ่งเชื่อมโยงกับการเรียกใช้ ใช้ได้เฉพาะช่องเสียงเท่านั้น |
| วันที่ปัจจุบัน (UTC) | วันที่ปัจจุบันในเวลาแบบสากลเชิงประสาน (UTC) ที่ถูกให้ไว้ระหว่างการทำงานเพื่อใช้ในการตอบสนองที่ตระหนักถึงวันที่ |
| เวลาปัจจุบัน (UTC) | เวลาปัจจุบันในรูปแบบเวลามาตรฐานสากล (UTC) ที่มีให้ในขณะทํางานเพื่อให้สามารถตอบสนองตามเวลาได้ |
เรียนรู้เพิ่มเติมเกี่ยวกับตัวแปรบริบทอื่น ๆ ทั้งหมด รวมถึงข้อความดิจิทัลและตัวแปรบริบทที่กําหนดเอง ในหัวข้อ กําหนดค่าตัวแปรบริบทสําหรับเอเจนต์
การตั้งค่าเฉพาะช่องสัญญาณ
เสียงของเจ้าหน้าที่
เลือกเสียงที่เอเจนต์ของคุณใช้โดยการเลือกเจ้าหน้าที่แล้วไปที่การตั้งค่า>เสียง>เลือกเสียง เอเจนต์แบบเรียลไทม์รองรับเสียงดังต่อไปนี้:
- โลหะ ผสม
- เถ้า
- บัลลาด
- คอรัล
- เอคโค่
- Sage
- ชิมเมอร์
- ข้อบรรทัด
- มาริน
- ซีดาร์
Note
- เสียงของตัวแทนเป็นของตัวแทนแบบเรียลไทม์ของคุณ ไม่ใช่เสียงที่ตั้งค่าไว้ในศูนย์ผู้ดูแลระบบของ Copilot Service
- เพื่อจับคู่เสียงข้อความระบบ Dynamics ของคุณกับเอเจนต์แบบเรียลไทม์ ให้ใช้เสียงที่รองรับเพียงต่อไปนี้: Alloy, Echo, Shimmer หรือ Ash
- เอเจนต์ที่ใช้ Text LLM, GPT-5-Chat (Preview) จะสร้างการตอบสนองด้วยเสียงผ่าน Microsoft Neural Text-to-Speech (TTS) โมเดลนี้รองรับแคตตาล็อกเสียงที่หลากหลายและโมเดลเสียงที่ปรับแต่งเอง เหมาะสําหรับองค์กรที่ต้องการประสบการณ์เสียงที่มีแบรนด์หรือการปรับแต่งเสียงขั้นสูง
ความไวในการพูด
การตรวจจับกิจกรรมเสียงด้วยความไวของเสียง (VAD) จะกําหนดเวลาที่ตัวแทนควรตอบสนองหลังจากที่ผู้โทรพูดเสร็จสิ้น
ทําความเข้าใจประเภทของ VAD
เอเจนต์แบบเรียลไทม์รองรับสองแนวทางของ VAD:
VAD แบบยึดตามเซิร์ฟเวอร์ - ตามเสียง (ความเงียบ)
ตรวจหาการสิ้นสุดคําพูดตาม สัญญาณเสียง (ระยะเวลาความเงียบ ระดับเสียง)
ตอบสนองอย่างรวดเร็วเมื่อมีการตรวจพบความเงียบ
ที่ดีที่สุดสําหรับการโต้ตอบที่มีโครงสร้าง การตอบสนองสั้น สภาพแวดล้อมที่มีเสียงดัง
VAD เชิงความหมาย - ตามบริบทของประโยค
กำหนดความสมบูรณ์ของบทสนทนาโดยพิจารณาจาก ความหมาย ของสิ่งที่กล่าว
ปรับให้เข้ากับการหยุดชั่วคราวตามธรรมชาติ คําเติม คําพูดต่อท้าย
เหมาะสําหรับ: การโต้ตอบการสนทนา คําถามที่ซับซ้อน การสนทนาแบบเปิดกว้าง
เลือก VAD ที่เหมาะสม
ใช้ VAD แบบยึดตามเซิร์ฟเวอร์เมื่อเงื่อนไขทั้งหมดต่อไปนี้เป็นจริง:
- การโต้ตอบมีโครงสร้าง (การนําทางเมนูสไตล์ IVR)
- การตอบสนองสั้นและคาดการณ์ได้
- เสียงรบกวนพื้นหลังเป็นข้อกังวล (VAD หรือการตรวจจับเสียงอาจใช้เวลารอนานเกินไป)
- คุณต้องการการพูดคุยที่รวดเร็วและราบรื่น
ใช้ VAD เชิงความหมายเมื่อเงื่อนไขทั้งหมดต่อไปนี้เป็นจริง:
- การสนทนานั้นไม่มีจุดสิ้นสุด
- ผู้โทรอาจลังเลหรือใช้คําเติม ("um", "let me think...")
- คําถามมีความซับซ้อน (ผู้โทรอธิบายสถานการณ์)
- โฟลว์การสนทนาตามธรรมชาติถูกจัดลําดับความสําคัญ
กําหนดค่า VAD บนเซิร์ฟเวอร์
ไปที่
| พารามิเตอร์ | คำอธิบาย | ค่าเริ่มต้น | ช่วงที่แนะนํา |
|---|---|---|---|
| ค่าเกณฑ์ | ความไวต่อเสียงเทียบกับเสียงรบกวน (มาตราส่วน 0-1) | 0.6 | 0.5-0.7 |
| ช่องว่างภายในคํานําหน้า (ms) | เสียงที่บันทึกไว้ก่อนเริ่มพูด | 300 มิลลิวินาที | 200-500 มิลลิวินาที |
| ระยะเวลาความเงียบ (มิลลิวินาที) | การเงียบที่จําเป็นในการสิ้นสุดรอบ | 750 มิลลิวินาที | 750-1000 ms |
ค่าเกณฑ์
- ต่ํากว่า (0.3-0.4): ไวต่อเสียงมากกว่า สามารถจับเสียงพูดที่เบาได้ อาจจะถูกกระตุ้นได้จากเสียงพื้นหลัง
- มีความไวต่ำ (0.7-0.9): ต้องพูดเสียงดังขึ้นเพื่อลดการกระตุ้นโดยไม่ตั้งใจ
- แนะนํา: เริ่มต้นด้วย 0.5; เพิ่มหากเสียงรบกวนพื้นหลังทําให้เกิดการกระตุ้นผิดพลาด
การบุคํานําหน้า
- จับเสียง ก่อน การตรวจหาคําพูด (ป้องกันไม่ให้ตัดคําแรก)
- ต่ํากว่า (200 มิลลิวินาที): ตอบสนองได้เร็วขึ้น อาจพลาดพยางค์ครั้งแรก
- สูงกว่า (500 มิลลิวินาที): จับปลอดภัยกว่า หน่วงเวลาเล็กน้อย
- แนะนํา: 300 ms (สมดุลที่ดี)
ระยะเวลาความเงียบ
- ระยะเวลาที่ผู้โทรต้องเงียบก่อนที่เจ้าหน้าที่จะตอบสนอง
- ระยะเวลาต่ำกว่า (500 มิลลิวินาที): การเปลี่ยนการสนทนาอย่างรวดเร็ว อาจทำให้ขัดจังหวะถ้าผู้โทรหยุดคิดกลางประโยค
- สูงกว่า (1000 มิลลิวินาที): ผู้ป่วยมากขึ้น อาจจะรู้สึกช้า
- แนะนํา: เริ่มต้นด้วย 750 ms
กําหนดค่า Semantic VAD
ไปที่ การตั้งค่า>เสียง>การตั้งค่าโทรศัพท์>การป้อนข้อมูลด้วยเสียง>ความไว>ตามบริบทของประโยค
พารามิเตอร์: ความกระตือรือร้น (ความเร็วในการตอบสนองของตัวแทนหลังจากที่ความหมายเสร็จสิ้น)
| Setting | พฤติกรรม | เหมาะสำหรับ |
|---|---|---|
| ตํ่า | รอนานขึ้น มีความอดทนมาก | ผู้โทรที่คิดออกมาเสียงดังและหยุดพักบ่อย ๆ |
| ปานกลาง | สมดุล (ค่าเริ่มต้น) | การสนทนาทั่วไป |
| สูง | ตอบสนองอย่างรวดเร็ว | การโต้ตอบที่รวดเร็ว คำถามที่ง่าย |
การกําหนดค่า DTMF
Dual-Tone Multi-Frequency (DTMF) ช่วยให้ผู้โทรสามารถกรอกข้อมูลโดยใช้แป้นกดโทรศัพท์
คุณสามารถเปิด DTMF สําหรับตัวแทนของคุณในทั้งหัวข้อและระดับสากล หากต้องการตั้งค่าในระดับส่วนกลาง ให้เลือกตัวแทนของคุณ และไปที่ตั้งค่า>ลักษณะการทํางาน>การสนทนาด้วยเสียง>DTMF
สําคัญ
เมื่อสร้างประสบการณ์ DTMF เท่านั้น ให้กําหนดค่าอินพุต DTMF สําหรับทุกโหนดอินพุต รวมถึงเมนูที่เลือกและอินพุตหลายหลัก เช่น หมายเลขบัญชีหรือ PIN ตรวจสอบให้แน่ใจว่าเส้นทางการป้อนข้อมูลของลูกค้าทุกเส้นทางมีการแมป DTMF ที่สอดคล้องกัน เพื่อให้ผู้ใช้สามารถนําทางและจบการสนทนาได้ด้วยการป้อนข้อมูลผ่านแป้นพิมพ์เท่านั้น
การตรวจจับความเงียบ
การตรวจจับความเงียบช่วยให้ตัวแทนแบบเรียลไทม์สามารถจดจําได้เมื่อผู้โทรไม่ให้ข้อมูลใด ๆ ในช่วงเวลาที่กําหนด ตั้งค่าการตรวจจับความเงียบเป็นการตั้งค่าเสียงส่วนกลางสําหรับเจ้าหน้าที่โดยไปที่ การตั้งค่า>การตรวจจับความเงียบ>การสนทนา>
สําคัญ
- การตรวจหาความเงียบไม่ได้เปิดใช้งานตามค่าเริ่มต้น ถ้าผู้ใช้ไม่พูด ตัวแทนจะรอโดยไม่มีการพร้อมท์ เปิดการตรวจหาความเงียบอย่างชัดเจนและกําหนดค่าข้อความ reprompt เพื่อจัดการผู้โทรเงียบ
- หมดเวลาการตรวจหาความเงียบตามค่าเริ่มต้นคือ 7,000 ms (7 วินาที) ตรวจสอบค่านี้กับกรณีการใช้งานเฉพาะและสภาพแวดล้อมผู้โทรก่อนที่จะปรับใช้กับการผลิต เจ็ดวินาทีอาจรู้สึกยาวเกินไปสําหรับผู้โทรบางรายหรือสั้นเกินไปสําหรับบุคคลอื่นโดยขึ้นอยู่กับลักษณะของการโต้ตอบ เช่น คําถามที่ซับซ้อนหรือสภาพแวดล้อมที่มีน้ําดัง ทดสอบด้วยข้อมูลการโทรในโลกแห่งความเป็นจริงเพื่อกําหนดเกณฑ์ที่เหมาะสมสําหรับสถานการณ์ของคุณ
- ก่อนที่จะเปิดใช้งานการตรวจหาความเงียบ ตรวจสอบให้แน่ใจว่าพฤติกรรมที่คุณกําหนดค่าในหัวข้อการตรวจหาความเงียบของคุณ (ตัวอย่างเช่น เลื่อน, วางเมาส์, ตัดทอน) เป็นความตั้งใจและเหมาะสมสําหรับกรณีการใช้งานของคุณ ลักษณะการทำงานของกฎสำรองที่กำหนดค่าไม่ถูกต้อง เช่น การตั้งค่าให้กฎสำรองเป็น 'เลื่อนระดับ' โดยไม่ได้ตั้งใจเมื่อมีเจตนาจะวางสาย หรือในทางกลับกัน อาจส่งผลให้เกิดผลการโทรที่ไม่คาดคิด
การส่งข้อความที่มีความหน่วง
เพิ่มข้อความเวลาแฝงหรือเพลงลงในเอเจนต์ของคุณเมื่อการทํางานแบบเบื้องหลังใช้เวลานานกว่าที่คาดไว้ หากต้องการกําหนดค่าการแสดงข้อความหน่วงเวลา ให้ไปที่ การตั้งค่า>เสียง>ลักษณะการสนทนา>การแสดงข้อความหน่วงเวลา.
สําคัญ
เนื่องจากโซลูชัน Text LLM สําหรับเอเจนต์แบบเรียลไทม์ใช้ขั้นตอนหลายขั้นตอนที่เรียงกัน (ASR, LLM, TTS) ผู้โทรจึงประสบกับความเงียบเป็นเวลาหลายวินาทีระหว่างการพูดและได้ยินการตอบกลับ ตั้งความคาดหวังที่เหมาะสมกับผู้ใช้ เช่น การใช้วลีอย่าง "ขอเวลาสักครู่ ฉันกําลังค้นหาให้คุณ..."
การประเมินตัวแทนแบบเรียลไทม์
เอเจนต์แบบเรียลไทม์รองรับการส่งข้อความระหว่าง การประเมินผล แต่ไม่รองรับการประมวลผลเสียง