生成式AI的强大功能与语音转文本模型的成熟相结合，使得语音代理重新兴起，并吸引了新的进入者。在上周纽约市举行的AI工程师峰会上，SuperDial是其中的演讲者之一。SuperDial是一家专注于通过AI驱动解决方案自动处理医疗保健行政任务的语音初创公司。
我对其演讲感到特别感兴趣的是，SuperDial工程师Nik Caryotakis提供了大量关于公司如何提供企业级语音能力的细节。这次活动面向AI工程师，因此这是一个了解一家语音初创公司如何开发产品及其支持技术栈的机会。
SuperDial是谁
在深入探讨技术之前，先了解一下SuperDial。该公司成立于2021年，由共同创始人Sam Schwager和Harrison Caruthers创立。截至本文撰写时，公司仅有四名工程师，总共九名员工。他们专注于医疗保健领域的特定方面，特别是自动化冗长的信息收集电话，如保险验证、预先授权和理赔跟进。Superbill语音机器人发起电话，并依靠提示和生成式AI与人类进行对话，同时收集和/或提供所有必要的信息。
最近，SuperDial进行了品牌重塑，从原来的名称SuperBill转变为更好地反映其在医疗保健领域扩展AI驱动语音自动化的重点。作为增长战略的一部分，公司还收购了位于西雅图的对话AI公司MajorBoost，后者专门从事与健康保险公司交互的自动化。
支持SuperDial语音机器人的软件
在AI工程师峰会上，Caryotakis描述了公司用来增强其解决方案功能的一系列软件工具。SuperDial集成了几种尖端技术和框架：
- Deepgram用于语音识别：利用其强大的语音转文本能力，Deepgram确保了语音通信的准确转录。
- Pipecat用于编排：这个开源Python框架管理复杂的AI服务、网络传输和音频处理的编排，促进无缝的语音和多模态交互。该框架支持与流行的AI服务（如OpenAI和ElevenLabs）集成，使开发人员可以选择最适合其特定需求的工具。
- Langfuse用于可观察性：Langfuse是一个开源的大规模语言模型工程平台，旨在帮助开发人员构建、监控、评估和调试AI应用程序。通过监测系统性能，Langfuse跟踪延迟和异常，确保SuperDial服务的可靠性和效率。
- OpenAI用于语言处理：SuperDial依赖于OpenAI的模型进行自然语言理解和生成，并设有备用机制以维持服务连续性。尽管有许多其他模型可用，但SuperDial似乎主要依赖OpenAI（可能是GPT-4）为其解决方案提供支持。
强调全面测试
Caryotakis还强调了SuperDial对严格端到端测试的承诺，以确保系统的稳健性。他概述了在部署代理前和监控性能时使用的几种实践：
- 模拟环境：团队创建虚拟电话号码，并使用机器人与预录音频文件互动，作为初步测试阶段。
- 导航复杂电话树：通过构建人工电话树，SuperDial确保其机器人能够有效应对现实场景中遇到的各种自动化系统。
- 机器人对机器人互动：利用Coval和Vocera等工具，SuperDial的机器人与其他机器人进行对话，测试系统处理多样化对话动态的能力。
SuperDial的方法展示了如何通过整合先进AI工具与严格的测试协议，显著提高医疗管理效率。他们的策略和见解为语音AI和对话AI领域的专业人士提供了宝贵的参考。
语音AI开发的战略见解
基于SuperDial的经验，Caryotakis为开发AI解决方案的人们提供了建议。他强调了利用现有工具而不是从头开始构建系统的重要性，解释说利用已建立的技术可以显著加速开发时间表，同时增强整体系统可靠性。这种能够利用这些工具和框架的现象是近年来才出现的，因为几年前，当前一代强大语言模型及其生态系统尚未存在。
Caryotakis还对语音到语音技术提供了细致的观点——这些模型能够直接理解语音输入而无需首先将音频转录为文本。他认为，虽然这些技术在未来的应用中显示出巨大的潜力，但目前的实现可能尚未完全满足所有用例需求。他强调，在实施前必须进行特别仔细的评估和测试过程，以确保部署的解决方案能够为最终用户提供预期的价值和性能。
新一代语音AI初创公司
SuperDial代表了一种新兴的专门化AI初创公司，利用尖端语音技术解决特定行业的痛点。通过专注于医疗行政任务，他们展示了即使是小型、灵活的团队也可以通过战略性地整合一流工具而不是从零开始构建一切来开发复杂的AI解决方案。
(全文结束)
