Yandex B2B Tech представила новое поколение речевых моделей для создания голосовых ИИ-агентов. Они должны сделать разговоры с автоматическими помощниками естественнее и позволить им выполнять несколько связанных действий за один звонок.

Создавать и настраивать агентов можно с помощью текстовых инструкций. Их подключают к корпоративным платформам или тестируют в Yandex AI Studio.

Первая модель, Speech TTS Live, отвечает за звучание речи. Она анализирует смысл текста, самостоятельно выбирает интонацию, расставляет акценты и паузы. Разработчик может задать голос и манеру общения — например, настроить мягкую подачу для службы поддержки.

Вторая модель, Speech Realtime Max, помогает агенту вести диалог и выполнять последовательные задачи. Например, за один звонок он может перенести запись клиента, рассчитать стоимость услуги, применить скидку и отправить ссылку на оплату. Это позволяет не ограничиваться простыми ответами на типовые вопросы.

Модель также умеет реагировать на перебивания. Если собеседник начинает говорить, пока агент произносит фразу, система останавливается и переключается на новую реплику. При этом в историю разговора попадает только та информация, которую агент действительно успел озвучить.

В Yandex B2B Tech считают, что новые модели помогут компаниям создавать голосовых помощников, которым можно поручать более сложные сценарии обслуживания. При этом настройка агента не требует программирования: достаточно описать нужное поведение текстом.