Как за один день ИИ-помощница студии получила лицо, научилась говорить по видео — и что такой помощник может сделать для вашего бизнеса.
Утром у нас был голос. Айка, наша голосовая ИИ-помощница, уже несколько месяцев отвечает на звонки: здоровается, выясняет, что нужно человеку, и передаёт заявку. Голос у неё приятный, живой, люди дослушивают до конца.
А потом прозвучал простой вопрос: если голос есть, почему бы не появиться и лицу?
К вечеру того же дня на главной странице встречала гостей Ева. Она улыбается, моргает, чуть наклоняет голову и рассказывает, чем занимается студия. Её не существует. Но смотришь на неё и не сразу веришь, что это не живой человек.
Ева, администратор студии. Включите звук.
Вот как это было.
Голос, которому не хватало лица
Голос мы отдали Айке давно. Она живёт на сайте и в телефонной линии, говорит голосом, который я выбрал для неё сам, слышит, когда её перебивают, и не путает номер, если человек диктует его кусками.
Но разговор голосом — это всегда немного разговор в темноте. Мы привыкли видеть собеседника: по лицу понятно, слушают ли тебя, рады ли тебе, понял ли человек вопрос. Видеоаватары давно есть в рекламе и обучающих роликах. Мы хотели другого: чтобы лицо появлялось в настоящем разговоре и двигалось под голос, который рождается прямо сейчас, а не под заранее записанный текст.
Два лица на выбор
Технология, которая нужна для этого, называется аватаром реального времени. Ему отдают звук, а он за доли секунды рисует под этот звук лицо: губы, мимику, повороты головы. Мы взяли два таких сервиса и проверили их на одном и том же: на Айке и её настоящем голосе.
Первый подключался за несколько секунд и честно двигал губами. Но лицо получалось как маска на фотографии: рот говорит, а остальное почти неподвижно.
Второй показал другое. Айка моргала, улыбалась, на «а» было видно зубы, на паузах она чуть наклоняла голову, как человек, который слушает. Кадр стал крупнее и чётче. А подключение заняло меньше секунды.
Сравнивать вслепую не пришлось: я посмотрел на обе версии, и выбор был очевиден с первого взгляда.
Паузы, которые выдают машину
Когда у собеседника появляется лицо, становится видно то, что в голосе прощалось: паузы. Человек договорил, а ИИ ещё секунду-две молчит. По телефону это похоже на раздумье. На видео — на зависание.
Мы разобрали паузу по частям. Больше всего времени — больше двух секунд — Айка просто ждала тишины, чтобы убедиться, что человек закончил. Порог поставили когда-то осознанно: люди формулируют мысль с паузами и диктуют телефон по три цифры, и Айка перебивала их на полуслове.
Решение уже было у нашей телефонной линии, на сайт его просто не перенесли: порог должен меняться по ходу разговора. В обычной беседе Айка теперь отвечает почти на секунду быстрее. Но как только она просит номер или человек начинает диктовать цифры, порог сам поднимается обратно. Диктуйте сколько угодно медленно, перебивать никто не будет.
Заодно поправили мелочь, которую слышно только ухом. В одной фразе синтез голоса упорно ставил неверные ударения, и это резало слух. Слова заменили, фраза зазвучала чисто.
Айка взяла трубку по видео
К середине дня с Айкой можно было поговорить по видео. Нажимаешь «Позвонить», и вместо пустого экрана появляется она: здоровается, слушает, отвечает, и губы точно попадают в слова.
Этот режим мы не стали открывать всем. Это сильная штука, и показывать её хочется лично: на встрече с теми, кому интересно, как такой помощник будет работать в их бизнесе. Если вам интересно — напишите, пришлём ссылку.
Лицо студии
Айке лицо нашлось быстро. Труднее оказалось со вторым героем этой истории.
Студии понадобилась своя ведущая: та, кто встречает гостя на главной странице и в двух словах рассказывает, кто мы. Не помощница для звонков, а лицо «Первого ИИ». Её назвали Ева.
Нарисовать красивое лицо нейросетью сегодня может кто угодно. Мы нарисовали много. Блондинки в светлых пиджаках на тёмном фоне. Славянские лица с мягким светом. Шесть совершенно разных типажей, которые по нашему заданию сделала вторая нейросеть, Codex. Каждое по отдельности было красивым. И каждое было «не то».
Выбирали долго и придирчиво: это лицо увидит каждый, кто зайдёт на наш сайт. В итоге Ева получилась такой, какой и должен быть хороший администратор: спокойная, приветливая, в тёплом свете студии, где хочется задержаться. На Айку она не похожа, и так задумано: у каждой в нашей команде свой характер.
Как устроен видеопомощник
Если убрать технологии за скобки, видеопомощник собирается из трёх частей.
Лицо. Его создают из одного портрета. Это может быть вымышленный образ под стиль вашего бизнеса — строгий для юристов, тёплый для салона, дружелюбный для детского центра. А может быть и ваше собственное лицо: тогда клиентов встречаете вы, даже когда заняты.
Голос. Мужской или женский, деловой или мягкий, быстрый или неторопливый. Или ваш собственный: голос владельца мы тоже умеем повторить.
Слова. Здесь два пути. Можно записать готовый ролик: приветствие, рассказ об услугах, ответы на частые вопросы. А можно дать помощнику «ум»: тогда он разговаривает вживую, знает ваши услуги и цены и передаёт заявку команде — как Айка, только с лицом.
Еву мы собрали за один день: от первой мысли до ролика на главной странице.
Голос нового поколения
Для Евы мы сознательно не взяли голос Айки: у каждой должен быть свой. Пока перебирали варианты, нашли новое поколение синтеза речи, которое задумано как живая разговорная речь, а не как диктор. Сравнили семь голосов на одной и той же фразе и выбрали тёплый разговорный. Она звучит так, будто рассказывает, а не зачитывает.
Что в итоге
За один день у студии появились:
- Ева — лицо студии. Она встречает гостей первой вкладкой в блоке помощников на главной странице.
- Айка с лицом — живой видеоразговор, который мы показываем по запросу.
- Более быстрая Айка — паузы в разговоре на сайте стали заметно короче, а номер по-прежнему можно диктовать без спешки.
Теперь в нашей команде трое: Тим отвечает в чате, Айка — на звонки, Ева встречает на видео.
А что с этим делать вашему бизнесу
Видеопомощник — это не игрушка ради эффекта. Это способ встретить клиента так, чтобы он задержался:
- Приветствие на сайте, которое за полминуты объясняет, чем вы полезны.
- Ответы на частые вопросы — один раз записать и показывать каждому, кто спрашивает.
- Ролики для соцсетей и презентаций — с вашим сценарием, вашим образом и в вашем интерьере.
- Живой видеоразговор для тех, кто хочет удивить клиента с первой минуты.
Лицо, голос, манера и сценарий подбираются под ваш бизнес и ваших клиентов.
Важное остаётся за людьми: окончательные решения, цены по сложным проектам и договорённости принимает ваша команда. Помощник берёт на себя первое знакомство.
Посмотрите на Еву на главной странице, поговорите с Айкой голосом. Если захочется такого помощника для своего бизнеса — напишите нам. Подберём образ, голос и сценарий: мы можем реализовать всё под ваши задачи.