我开发了一个自然语言IVR系统,无需按键菜单即可引导呼叫者
摘要
本文展示了一个使用Telnyx Call Control和AI推理的Python/Flask示例,用于创建自然语言IVR系统,使呼叫者能口头表达需求,而无需操作固定菜单。
我整理了一个Python/Flask示例,用于将传统按键1、按键2的IVR替换为自然语言语音流程。该应用不让呼叫者通过固定菜单导航,而是让他们说出自己的需求。它使用Telnyx Call Control接听听话,根据菜单配置生成动态问候语,收集呼叫者的语音,利用AI推理来路由意图,并将他们转接到正确的部门。此外,它在IVRAgent类中维护每次通话的状态,如果模型无法自信地分类请求,则进行后备处理。代码:https://github.com/team-telnyx/telnyx-code-examples/tree/main/voice-ivr-with-agent-backend 希望从构建语音支持流程的人们那里获得反馈。你们是完全替换电话菜单,还是保留DTMF作为后备?
相似文章
构建一个能打真实电话的AI代理(包含等待音乐、IVR、愤怒的人类)——截至目前我学到的经验
作者构建了callitdone.today,一个能拨打真实电话、导航IVR菜单、等待通话并与人交谈的AI语音代理,分享了关键的技术挑战和经验教训。
我们从构建一条支持47种语言实时翻译的电话线路中学到了什么
ThunderPhone开发了一条电话线路,使用流式AI管道提供47种语言的实时翻译,目前对公众免费开放。
OmniDimension如何使其AI电话听起来如此自然、快速且多语言?独立开发者能否构建类似的功能?
探讨OmniDimension如何实现自然、快速且多语言的AI电话合成,并讨论独立开发者复制类似能力的可行性。
对于正在探索VICIdial与语音AI集成的人来说,这里有一个有用的资源:
集成语音AI与VICIdial的文档,展示了现有的拨号器基础设施可以与AI语音代理一起使用,而无需完全替换。
如何在语音AI管道中实现低于800毫秒的延迟和降低50%的电话成本(架构解析)
一篇关于企业级语音AI架构的技术解析,该架构通过批发运营商将电话成本降低40-60%,并利用Deepgram、Claude/GPT-4o-mini和ElevenLabs/Cartesia实现低于500毫秒的延迟,通过n8n和Supabase进行编排。