El papel del VAD en el manejo de interrupciones del agente de voz
La detección de actividad de voz (VAD) es la primera línea de defensa para manejar las interrupciones, pero es propensa a generar falsos positivos. Así es como los sistemas modernos lo mejoran.
Cuando un usuario interrumpe a un agente de IA, el agente debe dejar de hablar inmediatamente. Esto se conoce como irrupción. El mecanismo que detecta esta interrupción es la Detección de Actividad de Voz (VAD). Sin embargo, el VAD básico se activa ante cualquier ruido (el ladrido de un perro, un portazo o tos), lo que hace que el agente se detenga innecesariamente.
Manejo adaptativo de interrupciones
Los agentes de voz modernos utilizan un manejo adaptativo de interrupciones. En lugar de simplemente detectar el volumen, utilizan redes neuronales ligeras para clasificar el audio. ¿Es ruido de fondo? ¿Es un canal secundario ("ajá", "sí")? ¿O es una auténtica interrupción de la conversación? Sólo esto último debería hacer que el agente detenga la reproducción TTS y escuche.
¿Listo para construir?
Vea cómo los agentes de IA multimodales de Mazed funcionan para su caso de uso.