تنشر شركة إيلفين لابس دليلاً حول البنية التحتية للذكاء الاصطناعي الصوتي، أي مجموعة النماذج والاتصالات والخدمات التي تُمكِّن وكيلاً من الاستماع إلى مكالمة، واتخاذ قرار بشأن الخطوة التالية، والتفاعل مع أنظمة أخرى، والرد بصوت عالٍ. وفقاً للدليل، لدى المزودين الرئيسيين، بما في ذلك إيلفين لابس، تتم هذه الدورة في جزء من الثانية. يعتمد الوكيل الصوتي الإنتاجي على تسع طبقات، من التعرف على الصوت إلى الإشراف.
الاستماع، اتخاذ القرار، الرد
يتبع التشغيل سلسلة: يتم تحويل الصوت إلى نص، ثم يقوم نموذج لغوي (LLM، نموذج لغوي كبير) بتفسير الطلب وإنتاج رد، ثم يتم تحويل هذا الرد إلى صوت. يوضح الدليل أن هذه العملية ليست خطية. يبدأ إيلفين إيجنتس في التحدث بمجرد أن يتلقى «ما يكفي من الكلمات وفاصلة» من النموذج، بحيث يبدأ الصوت قبل أن يكون الرد الكامل موجوداً.
التعرف على الكلام، أو ASR، هي الطبقة الأولى. بالنسبة لإيلفين لابس، فإن موثوقيتها حاسمة، لأن أي خطأ ينتشر إلى جميع المراحل التالية. يذكر الدليل مثالاً من إطار الثقة الخاص به للقطاع الصحي: مقطع لفظي واحد يُساء فهمه يمكن أن يحول «هيدروكسيزين» إلى «هيدرالازين». يستخدم إيلفين إيجنتس Scribe v2 Realtime، الذي يكتب الكلام في حوالي 150 مللي ثانية. على معيار FLEURS متعدد اللغات، الذي يغطي 30 لغة، تدعي إيلفين لابس أنها حصلت على أدنى معدل خطأ في الكلمات بين نماذج ASR ذات الكمون المنخفض. على المعيار الطبي Eka، يصل Scribe v2 Medical إلى معدل خطأ في الكلمات بنسبة 7.0٪، وفقاً للشركة.
تحدد إدارة أدوار الحديث الوقت الذي يجب أن يرد فيه الوكيل والوقت الذي يجب أن يصمت فيه. يذكر الدليل أن الفارق المعتاد بين متحدثين بشريين يبلغ حوالي 200 مللي ثانية. يعتمد إيلفين إيجنتس على نموذج خاص يحلل النبرة والإيقاع والسياق الكلامي بدلاً من مجرد مؤقتات الصمت. متوسط التأخير بين الطلب وأول كلمة مسموعة هو، وفقاً لإيلفين لابس، حوالي 150 مللي ثانية باستخدام Eleven v4 Turbo.
بالنسبة لنماذج اللغة، يقدم إيلفين إيجنتس نماذج من جوجل وأوبن إيه آي وأنثروبيك، بالإضافة إلى نماذج مفتوحة تستضيفها إيلفين لابس. في حالة حدوث عطل، تقوم آلية «تتالي» بالتبديل إلى نموذج احتياطي بعد مهلة افتراضية مدتها 4 ثوانٍ، قابلة للتعديل من 2 إلى 15 ثانية، مع ثلاث محاولات على الأقل.
التصرف، ثم القياس
تسمح الأدوات وبروتوكول MCP (بروتوكول سياق النموذج، وهو معيار مفتوح يتيح للنماذج الوصول إلى أدوات خارجية) للوكيل بالاستعلام عن نظام حجز أو تحديث نظام إدارة علاقات العملاء. يتم تعطيل الأذونات افتراضياً في كل مساحة عمل، ويختار المسؤول وضع موافقة لكل خادم. فيما يتعلق بالمعرفة، تبحث آلية التوليد المعزز بالاسترجاع (RAG) عن المقاطع ذات الصلة في وثائق الشركة قبل الرد. تشير إيلفين لابس إلى أنها خفضت متوسط زمن الوصول لهذا الاسترجاع من 326 مللي ثانية إلى 155 مللي ثانية.
يصف الدليل أيضاً الضوابط الوقائية، تلك الخاصة بالإصدار 2.0 الذي تم تقديمه في سبتمبر 2026، بالإضافة إلى الاختبارات والتجارب A/B. تدعي إيلفين إيجنتس أنها تدير أكثر من 10 ملايين محادثة أسبوعياً. ويذكر الدليل أيضاً حالة Meesho، التي تُؤتمت حوالي 90٪ من طلبات الدعم، وحالة جمهورية التشيك، حيث يُعالج وكلاء حوالي 5000 مكالمة يومياً على خطوط المساعدة الاجتماعية، مع حل 85٪ من الطلبات دون تدخل بشري، وفقاً لتقرير استشهدت به الشركة.
