ElevenLabs giới thiệu Interaction Engine cho AI đàm thoại, dự kiến hỗ trợ tinh chỉnh trong vài tháng

ElevenLabs công bố kế hoạch tinh chỉnh mô hình AI theo từng doanh nghiệp và giới thiệu Interaction Engine, hệ thống điều phối AI đàm thoại, dưới dạng bản xem trước.

Ngày 11 tại hội nghị thượng đỉnh ở New York, công ty đã trình diễn bản xem trước Interaction Engine. Tính năng tinh chỉnh mô hình theo từng doanh nghiệp được giới thiệu như một kế hoạch hỗ trợ riêng.

Phạm vi tinh chỉnh gồm một số mô hình ngôn ngữ mã nguồn mở và các mô hình giọng nói của ElevenLabs. Công ty dự định điều chỉnh mô hình dựa trên dữ liệu và chỉ số riêng của từng doanh nghiệp.

Doanh nghiệp có thể sử dụng dữ liệu thu được trong quá trình triển khai dịch vụ AI thực tế và lựa chọn các chỉ số như mức độ hài lòng của khách hàng (CSAT) hoặc độ tin cậy. Nhóm nghiên cứu của ElevenLabs sẽ phối hợp với doanh nghiệp để điều chỉnh mô hình theo các chỉ số đã chọn.

Mati Staniszewski, đồng sáng lập kiêm CEO của ElevenLabs, nói: “Không thể giải quyết vấn đề tương tác giữa con người và AI nếu không phản ánh tính độc đáo của con người và doanh nghiệp”. Theo công ty, cách tiếp cận này nhằm đưa bối cảnh và tiêu chí đánh giá riêng của từng doanh nghiệp vào quá trình điều chỉnh mô hình.

Bài đăng chính thức của ElevenLabs trên LinkedIn nêu rõ các mô hình giọng nói bao gồm chuyển văn bản thành giọng nói (Text to Speech) và nhận dạng tiếng nói (Speech to Text). Thông báo chính thức của công ty không nêu cụ thể phạm vi áp dụng của các mô hình giọng nói.

ElevenLabs cũng cho biết đang phát triển mô hình tối ưu hóa theo lĩnh vực cho dịch vụ tài chính. Trong lĩnh vực y tế, công ty nêu Scribe v3 Medical, có khả năng phân biệt thuật ngữ y khoa phức tạp và những loại thuốc có tên gần giống nhau.

Mô tả hiệu năng của Scribe v3 Medical dựa trên thông tin do công ty công bố; chưa có kết quả kiểm chứng độc lập được đưa ra. Tài liệu hướng dẫn nhận dạng tiếng nói hiện khuyến nghị dùng Scribe v2 Medical cho âm thanh y tế và lâm sàng.

Thông báo tại hội nghị không nêu thời điểm cung cấp Scribe v3 Medical hoặc liệu sản phẩm đã được phát hành rộng rãi hay chưa. Phiên bản mô hình trong tài liệu hướng dẫn sản phẩm cũng khác với phiên bản được nhắc đến tại hội nghị.

Interaction Engine điều phối thời điểm phản hồi và lựa chọn mô hình ngôn ngữ ở từng giai đoạn của cuộc trò chuyện. ElevenLabs giới thiệu hệ thống này dưới dạng bản xem trước trong thông báo lần này.

Hệ thống xác định khi nào người dùng đã nói xong và điều phối để AI dừng phản hồi nếu người dùng ngắt lời. Các tính năng tập trung vào việc bắt đầu hoặc ngừng phản hồi theo diễn biến cuộc trò chuyện.

Interaction Engine cũng chọn mô hình ngôn ngữ lớn (LLM) phù hợp với yêu cầu. Theo cách công ty mô tả, yêu cầu đơn giản có thể được giao cho mô hình có chi phí thấp hơn, còn yêu cầu phức tạp được phân cho mô hình có hiệu năng cao hơn.

ElevenLabs cho biết việc lựa chọn mô hình có thể giúp quản lý lượng token sử dụng. Token là đơn vị văn bản mà mô hình ngôn ngữ dùng để xử lý dữ liệu đầu vào và đầu ra.

Tài liệu ElevenAgents hiện có cũng hướng dẫn cài đặt lượt thoại và tính năng ngắt lời. Trước đây, TokenPost đã đưa tin về mô hình của ElevenLabs gắn thời điểm phát âm cho từng ký tự trong bản chép lời. Interaction Engine lần này tập trung vào luồng hội thoại và lựa chọn mô hình ngôn ngữ, thay vì bản chép lời.

Lịch trình hội nghị ở New York có phiên thảo luận về lĩnh vực tài chính với sự tham gia của đại diện Customers Bank, Banco Inter và Nasdaq. Việc tham gia phiên thảo luận không đồng nghĩa các tổ chức này áp dụng hoặc ủng hộ sản phẩm mới.

Trong thông báo chính thức, ElevenLabs cho biết dự kiến hỗ trợ tính năng tinh chỉnh theo từng doanh nghiệp trong vài tháng tới. Công ty chưa công bố ngày phát hành cụ thể hoặc lịch mở quyền truy cập rộng rãi cho Interaction Engine.