Phonely Ltd. 宣布推出 Alma，这是一款专为语音代理构建的大型语言 AI 模型，该模型基于超过 1000 万条真实电话对话进行训练。
该公司表示，许多用于语音代理的 AI 模型都是基于文本训练的。这会导致用户在电话或语音通话中听到的对话听起来略显“生硬”。团队可能花费数小时来提示和调整代理，使其听起来自然流畅，但它们仍然缺乏对自然对话流程的理解。
Alma 对第一个标记的响应时间小于 185 毫秒，而 OpenAI Group PBC 的 GPT-4.1 的响应时间约为 500 毫秒。
这减少了对话中因停顿而产生的不自然感。正常人在思考时可能会短暂停顿，但大多数人在完全想好答案之前就开始回答。这意味着，LLM 在互联网上、企业内部知识库中或自身内部查找信息时出现的停顿，会让人感觉不自然。
Phonely 补充道，其架构还能节省成本，每百万 token 混合成本仅为55美分，比GPT-4.1（每百万 token 3.50美元）便宜84%，比GPT-5.4（每百万 token 5.63美元）便宜90%。在速度对比方面，Alma在第一个 token 上的运行速度比GPT-4.1快63%，比GPT-5.6快82%。
联合创始人兼首席执行官 Will Bodewes 表示：“市面上所有的语音助手都是基于为其他场景设计的模型运行的。我们当时主要处理电话咨询，所以我们构建了用于处理电话咨询的模型。”
该公司表示，其优势不仅限于单个电话通话。通过在数百万次对话中构建和运行该模型，它可以持续改进语音代理的性能。
Alma 能够识别对话中断的地方，并以此作为反馈循环，训练模型在下次对话中如何调整响应。该前沿模型利用真实流量数据来改变其与客户通话的互动方式，无需等待下一个训练周期，即可提供改进效果，使其在第二天而非下个月就能更好地工作。
据 Phonely 称，这种自我改进能力使 Alma 成为通用语音助手在难以发出自然的声音并跟上语音对话节奏时的最佳选择。语音助手需要能够很好地理解指令、快速响应并在长时间对话中保持可靠性，同时还要始终保持自然的声音。
该公司表示，Alma 可以与现有的转录员和文本转语音服务提供商合作，因此团队可以调整其现有技术架构。此外，由于该模型经过预训练，能够模仿真人发音，因此减少了对其进行提示工程以改进其表现的需要。
Bodewes补充道：“Alma 每月已经接听数百万个 Phonely 电话，现在任何构建语音功能的人都可以使用它。”
本文来自作者投稿，版权归原作者所有。如需转载，请注明出处：https://www.nxrte.com/zixun/71593.html
