La prise de parole au cœur du modèle vocal Live 3 de Fish Audio

Le modèle vocal Live 3 de Fish Audio écoute pendant qu’il parle et adapte ses interventions aux pauses. Il est disponible en anglais.

Un « oui » prononcé pendant une explication peut simplement signaler que l’on suit. Un « attendez » demande de reprendre la parole. Distinguer ces intentions est au centre de Live 3, le modèle vocal full-duplex de Fish Audio, qui continue d’écouter pendant qu’il parle. Le fournisseur le destine aux agents de support, de réservation ou de prise de commande, où une intervention mal placée peut couper une demande en deux.

Les exemples présentés portent sur ces échanges ordinaires. Pendant qu’un appelant dicte un numéro par groupes de chiffres, l’agent peut produire un bref signe d’écoute et attendre la suite. Lorsqu’une commande est corrigée en cours de phrase, il est censé laisser passer les modifications avant de répondre. Ces comportements sont illustrés par trois extraits que le fournisseur présente comme issus d’appels de test, avec leurs pauses et leurs chevauchements d’origine. Le moment de parler fait partie de l’apprentissage

Selon le laboratoire, la gestion des tours de parole a été intégrée au modèle de parole et apprise à partir de conversations humaines. L’entraînement doit lui apprendre quand attendre, confirmer qu’il écoute, répondre ou s’interrompre. Une couche de raisonnement séparée prend en charge les instructions de l’agent et ses outils : la gestion de l’échange vocal reste distincte du traitement de la demande métier.

Un minimum de 186 millisecondes est avancé pour décider de répondre. Ce chiffre concerne la décision d’intervenir et accompagne des exemples de réactions courtes, comme « mm-hmm » ou une confirmation rapide. Il ne mesure pas le délai nécessaire pour produire une réponse complète après consultation d’un dossier ou exécution d’une action. Le billet ne détaille ni le protocole de mesure ni la répartition des délais sur un ensemble d’appels.

L’accès est proposé sur la plateforme Fish Agent et par API, avec un déploiement sur site annoncé pour les entreprises. Au lancement, le modèle parle anglais. Les mentions de plus de trente langues et de millions de voix sur la page commerciale décrivent le catalogue plus large de la plateforme ; elles ne constituent pas une annonce de prise en charge multilingue pour Live 3. Des appels reliés aux documents et aux outils

Pour transformer cette couche vocale en agent de service, la plateforme de création d’agents, en bêta publique, rassemble les instructions, la voix, les sources documentaires et les outils à appeler. Une entreprise peut fournir ses informations, connecter ses API et intégrer l’agent à un site ou à un numéro de téléphone. La prise de rendez-vous, la consultation d’une commande ou un remboursement dépendent de ces connexions et des actions configurées.

Le tarif affiché, incluant Live 3, est de 0,035 dollar par minute pendant une promotion prévue jusqu’au 31 décembre 2026, contre 0,07 dollar au tarif de référence. La téléphonie ajoute 0,01 dollar par minute et un numéro dédié coûte 1,20 dollar par mois. Le recours à un modèle de raisonnement premium entraîne une facturation supplémentaire selon ses jetons. Le prix mis en avant ne représente donc pas, à lui seul, le coût de toutes les configurations d’appel.

Avant publication, les agents peuvent être éprouvés sur des échanges scénarisés et des appels d’outils. Après déploiement, les transcriptions, enregistrements et historiques d’actions servent au suivi des conversations. La documentation précise aussi que chaque publication fige une version numérotée : une configuration en cours de modification reste séparée de celle utilisée par les appels en production.