A Voice Conversation valós idejű hangalapú asszisztenssé alakítja chatbotját. A látogatók megnyomják a hívás gombot a chat widgetben, és szóbeli beszélgetést folytatnak a bottal - ők beszélnek, a bot pedig szintetizált hangon válaszol. Ön választja ki a hangmodellt, a hangot, a nyelvet és néhány biztonsági korlátot.
Hol találhatók a Voice Conversation beállításai
Válassza ki a chatbotját, kattintson a Settings (Beállítások) fülre, majd a bal oldalsávban válassza a Voice Conversation (Hangalapú beszélgetés) lehetőséget.
Az oldal tetején található az Enable voice conversation (Hangalapú beszélgetés engedélyezése) kapcsoló. A többi beállítás csak a hangalapú beszélgetés bekapcsolása után jelenik meg.
Hangmodell kiválasztása
A ChatLab négy hangmodellt támogat, amelyek percdíja a legördülő menüben látható mellettük:
- GPT Realtime - Az OpenAI zászlóshajó valós idejű modellje. A legjobb általános minőség és alacsony késleltetés.
- GPT Realtime Mini - A GPT Realtime gyorsabb és kedvezőbb árú változata. Alapértelmezett az új botoknál, és a legtöbb felhasználási esethez kiváló választás.
- Gemini 3.1 Flash Voice - A Google hangmodellje (Gemini Live). A leggazdaságosabb opció.
- ElevenLabs Voice - Kiváló minőségű ElevenLabs-hangok. A bot normál szöveges modelljét használja (amely a Settings > Model & Advanced menüpontban állítható be) a válaszok generálásához, majd az ElevenLabs beszéddé alakítja azokat. A percalapú hangdíj a szöveges modell válaszonkénti költségén felül kerül felszámításra.
A modellválasztó alatt található egy Cost breakdown (Költségbontás) kártya, amely az aktuálisan kiválasztott modell percdíját mutatja, így Ön mindig pontosan látja, hogyan történik a hívás számlázása a legördülő menüben az egyes modellek mellett feltüntetett díjszabás szerint.
Hang kiválasztása
Mindegyik modell saját hangkészletet kínál a Voice (Hang) legördülő menüben:
- OpenAI (GPT Realtime és GPT Realtime Mini) - Alloy, Ash, Ballad, Cedar, Coral, Echo, Fable, Marin, Onyx, Nova, Sage, Shimmer, Verse.
- Gemini - Kore (ajánlott), Charon, Puck, Fenrir, Aoede, Leda, Orus, Zephyr.
- ElevenLabs - Brian, Helen, Chris, Daniel, Jessica, Sarah, Lily, Liam, Will, Janet.
Az új botoknál az alapértelmezett hang az Alloy. A hangot bármikor módosíthatja - az új hang a következő hívásnál lép életbe.
Nyelv beállítása
A Language (Nyelv) szakasz határozza meg, hogy a bot milyen nyelven (vagy nyelveken) beszél a hívás során.
- OpenAI és Gemini - Válasszon ki egyetlen elsődleges nyelvet. Ha a látogató a hívás során egy másik támogatott nyelven szólal meg, a bot természetes módon átvált az adott nyelvre.
- ElevenLabs - Válasszon egy alapértelmezett nyelvet, valamint tetszőleges számú további nyelvet, amelyet az asszisztens használhat.
Kattintson egy nyelvcsempére az országzászlókat és keresőt tartalmazó választópanel megnyitásához.
Hangos üdvözlő üzenet
A Voice Welcome Message (Hangos üdvözlő üzenet) az első mondat, amelyet a bot a hívás kezdetekor kimond. Ez egyszer hangzik el a munkamenet elején, ezért érdemes rövidre és természetesre fogni - egy olyan fordulat, mint a "Jó napot! Miben segíthetek?", kiválóan működik.
A maximális hossz 500 karakter.
Beszélgetés időtartamának korlátozása
A hanghívások percenként krediteket fogyasztanak, ezért két biztonsági korlát is rendelkezésre áll a bottulajdonos költségkeretének védelmében.
Max Conversation Duration
A Max Conversation Duration (Maximális beszélgetési időtartam) mező korlátozza egyetlen hívás hosszát. Az alapértelmezett érték 300 másodperc (5 perc); a megengedett tartomány 30-3600 másodperc (60 perc). A korlát elérésekor a bot elmond egy határérték utáni üzenetet (amely közvetlenül a mező alatt testreszabható), és a hívás befejeződik.
Ha korlátlan időtartamú egyedi hívásokat szeretne engedélyezni, kapcsolja be a No cap (Nincs korlát) kapcsolót. Ekkor megjelenik egy figyelmeztetés, mivel egyetlen hívás akár az összes fennmaradó kreditet felhasználhatja.
Napi hangkorlát
A Daily voice cap (minutes) (Napi hangkorlát (perc)) mező korlátozza, hogy a bot összesen hány hangpercet használhat fel egyetlen nap alatt az összes látogatót egybevéve. Értesítést küldünk a bot tulajdonosának, amikor a használat eléri a napi korlát 80%-át és 95%-át.
A napi korlát eltávolításához kapcsolja be a No daily cap (Nincs napi korlát) beállítást.
Hang viselkedése és a rendszerprompt
A hanghívások használhatnak a szöveges chattől eltérő rendszerpromptot is, ami hasznos, ha a telefonban közvetlenebb, élőbeszédszerűbb személyiséget szeretne kialakítani.
A Voice Behavior (Hang viselkedése) szakaszban kattintson a Manage voice behavior and prompt in Role & Behavior settings linkre, hogy átlépjen a Settings > Role & Behavior menüpontba, ahol egy dedikált Voice Conversation fülön a szöveges chat promptjától függetlenül szerkesztheti a hangspecifikus promptot.
Hogyan működik a hanghívások számlázása
- Minden hívás első perce teljes egészében felszámításra kerül a kiválasztott modell percdíja alapján. Ez a minimális díj minden hívásnál, még a nagyon rövideknél is.
- Az első perc után a számlázás másodpercalapú.
- A csendes vagy megszakadt idő nem kerül számlázásra - a számlázás a látogató böngészőjétől érkező utolsó megerősített életjelnél (heartbeat) leáll.
- A hívás megkezdése előtt a ChatLab ellenőrzi, hogy a bot rendelkezik-e elegendő kredittel legalább az első perc fedezésére. Ha nem, a hívás nem indítható el.
- Az ElevenLabs Voice esetében a percdíj a bot szöveges modelljének válaszonkénti költségén felül kerül felszámításra, mivel az ElevenLabs a szöveges modellt használja a válaszok előállításához, majd azokat alakítja át beszéddé.
Tudásbázis-szinkronizálás az ElevenLabs esetében
Ha ElevenLabs-hangmodellt választ ki, a hangbeállítások alatt megjelenik egy állapotpanel, amely mutatja, hogy a bot tréningadatai felkerültek-e az ElevenLabs rendszerébe. A szinkronizálás a trenírozás után automatikusan lefut: a ChatLab legfeljebb 8 MB tréninganyagot fűz össze egyetlen dokumentumba, és elküldi az ElevenLabs számára, hogy a hangalapú asszisztens válaszai pontosan ugyanazt a tudásbázist tükrözzék, mint a szöveges chat.
Telefonhívások
A hangalapú beszélgetés engedélyezése után valódi telefonszámot is hozzárendelhet a bothoz, így az ügyfelek a hagyományos telefonhálózaton keresztül is betelefonálhatnak. Lásd a témának szentelt cikket: Telefonhívások.
Hangbevitel vs. hangalapú beszélgetés
Ez a két funkció hasonlóan hangzik, de eltérnek egymástól:
- A hangbevitel (Settings > Chat Conversation alatt) egy mikrofon gombot ad az üzenetsorhoz, így a látogatók lediktálhatják a begépelt kérdést. A bot továbbra is szöveggel válaszol. Ez a böngésző Web Speech API felületét használja.
- A hangalapú beszélgetés (ez az oldal) egy teljes körű, valós idejű beszéd-beszéd hívás - a látogatók hallják, ahogy a bot válaszol, az OpenAI Realtime, a Gemini Live vagy az ElevenLabs segítségével.