← نقشه مهارت‌های عاملیت صوتی هوش مصنوعی روی سانترال و ایزابل

MODULE V2 / تشخیص فعالیت صوت (VAD) و مدیریت وقفه کاربر (Barge-in Detection)

عاملیت صوتی هوش مصنوعی روی سانترال و ایزابل MODULE V2 CONVERSATIONAL FLUIDITY ⏱ زمان مطالعه: ۹ دقیقه

تشخیص فعالیت صوت (VAD) و مدیریت وقفه کاربر (Barge-in Detection)

چکیده اجرایی: نحوه شناسایی سریع صحبت ناگهانی مخاطب حین پخش پیام صوتی ربات و متوقف کردن بلافاصله پخش صوت در استریسک در زیر ۱۰۰ میلی‌ثانیه.

۰۱ // کالبدشکافی اصطکاک و سناریوی بازار (Failure Mode)

هم‌پوشانی اعصاب‌خردکن (Talking Over the User)

اگر ربات به صحبت ادامه دهد در حالی که مشتری می‌گوید «نه صبر کن، منظورم این نبود»، مخاطب به سرعت مکالمه را قطع خواهد کرد.

نشانه‌های بالینی در سازمان‌های سنتی:

کلافگی مخاطب از عدم امکان مداخله
نامفهوم شدن مکالمه به دلیل پخش همزمان صدا
کاهش نرخ تبدیل تماس

۰۲ // دیاگرام معماری اتصال داده (Architecture Flow)

STANDARD BLUEPRINT // MERMAID SVG

flowchart TD
    AgentTalking["ربات در حال خواندن لیست موجودی است"] --> MicAudio["میکروفون کاربر استریم می‌شود"]
    MicAudio --> VAD{"آیا کاربر شروع به صحبت کرد؟ (Silero VAD > 0.6)"}
    VAD -- بله --> StopPlayback["ارسال دستور فوری STOP به کانال ARI"]
    StopPlayback --> ListenMode["توقف آنی صوت ربات و بازگشت به حالت شنیدن"]
    VAD -- خیر --> ContinuePlayback["ادامه پخش متن صوتی"]

flowchart TD
    AgentTalking["ربات در حال خواندن لیست موجودی است"] --> MicAudio["میکروفون کاربر استریم می‌شود"]
    MicAudio --> VAD{"آیا کاربر شروع به صحبت کرد؟ (Silero VAD > 0.6)"}
    VAD -- بله --> StopPlayback["ارسال دستور فوری STOP به کانال ARI"]
    StopPlayback --> ListenMode["توقف آنی صوت ربات و بازگشت به حالت شنیدن"]
    VAD -- خیر --> ContinuePlayback["ادامه پخش متن صوتی"]

۰۳ // پروتکل اجرایی و استانداردهای میدانی

گام ۱

تنظیم پارامترهای آستانه حساسیت VAD

تنظیم آستانه حساسیت انرژی صوت برای جلوگیری از تریگر کاذب توسط صدای نفس یا نویز محیط.

کانفیگ سیاست وقفه کلام مخاطب (Barge-in)

JSON

{
  "barge_in_enabled": true,
  "vad_threshold": 0.65,
  "min_speech_duration_ms": 120,
  "interruption_policy": "immediate_stop",
  "channel_id": "1730721600.124"
}

۰۴ // هشدارهای امنیتی و پروداکشن (Production Guardrails)

⚠️ نکات حیاتی اجرای پروداکشن در سازمان‌های ایرانی:

آستانه VAD نباید کمتر از ۰.۵ باشد تا نویز خط تلفن و سرفه‌های تصادفی باعث قطع کلام نشوند.
دستور STOP صوتی در استریسک باید از طریق ARI DELETE /playbacks/{id} صادر شود.

PRONEE_SANDBOX // LAB-VOICE-03

+100 XP READY

⚡ سناریوی چالش میدانی: آزمایشگاه سنجش: پیکربندی کنترل وقفه کاربر (Barge-in Policy)

کانفیگ JSON شامل barge_in_enabled و vad_threshold بین ۰.۵ تا ۰.۸ را ثبت نمایید.

PAYLOAD_BUFFER // JSON & SQL کلید میانبر: Cmd/Ctrl + Enter

زمان پاسخ: ۰ میلی‌ثانیه

[SYSTEM] Sandboxed evaluation engine initialized.

[TARGET] Ready for: BARGE_IN_CONTROL