Rime ha presentato Prism, un modello di intelligenza artificiale speech-to-speech progettato per gestire conversazioni vocali in tempo reale e consentire alle aziende di personalizzare direttamente il comportamento del sistema attraverso tecniche di fine-tuning. Il modello è stato addestrato su milioni di ore di conversazioni umane e punta a riprodurre non soltanto le caratteristiche acustiche del linguaggio naturale, ma anche gli aspetti interattivi della comunicazione, come esitazioni, interruzioni, richieste di chiarimento e segnali di frustrazione. Prism è destinato in particolare agli agenti vocali utilizzati nell’assistenza clienti, nei servizi finanziari, nella sanità e nei processi commerciali, dove la gestione delle intenzioni dell’interlocutore e la continuità del dialogo incidono sull’esecuzione dei compiti. Rime dichiara tempi di risposta di circa 500 millisecondi e un’architettura che permette di eseguire le chiamate agli strumenti in parallelo alla produzione vocale.
Una caratteristica centrale del sistema è la presenza di un livello testuale ispezionabile prima che il contenuto venga pronunciato. Questa struttura permette di applicare regole operative, controlli di sicurezza e verifiche sulle risposte, mantenendo la possibilità di ricostruire le comunicazioni attraverso registrazioni e trascrizioni. Prism può essere distribuito nell’infrastruttura del cliente, sia on-premise sia in cloud privati, così da mantenere il controllo sui dati, sui tempi di risposta, sul vocabolario e sulle regole di pronuncia. La personalizzazione è supportata da tecniche di supervised fine-tuning e reinforcement learning, con interfacce dedicate all’addestramento e alla distribuzione dei modelli in sviluppo insieme ai clienti beta. Rime utilizza conversazioni operative, trascrizioni e tracce delle chiamate agli strumenti per adattare il comportamento del modello alle procedure effettivamente adottate dall’organizzazione.
Tra le sperimentazioni presentate figura un progetto con Revmo, azienda che utilizza agenti vocali per la gestione degli ordini. Partendo da dieci ore di chiamate operative, comprensive di trascrizioni e interazioni con strumenti esterni, Rime ha costruito un ambiente di addestramento con reinforcement learning. Nella valutazione comunicata, il modello personalizzato ha richiesto una conferma esplicita prima di procedere all’inserimento dell’ordine nel 94% dei casi, rispetto al 57% del sistema OpenAI utilizzato come riferimento. Un ulteriore confronto ha registrato un incremento dal 68% al 100% nella gestione delle conferme d’ordine e delle modalità di ritiro, mentre la percentuale di chiamate senza pause di silenzio è passata dal 66% all’88%. I risultati derivano da una sperimentazione specifica e non rappresentano prestazioni garantite per ogni configurazione.
Prism è stato sviluppato con un approccio che privilegia la qualità dei dati conversazionali, utilizzando anche registrazioni realizzate in studi dedicati per acquisire separatamente i canali audio e riprodurre le dinamiche delle conversazioni reali. Rime, fondata nel 2022 da professionisti provenienti dall’ambito della ricerca vocale e da Amazon Alexa, dichiara di supportare oltre 100 milioni di interazioni mensili attraverso le proprie tecnologie. Tra le organizzazioni che utilizzano i suoi servizi figurano Asurion, Mayo Clinic, Upstart e Dialpad, quest’ultima coinvolta anche nella progettazione di Prism. Il modello è pensato per essere integrato nelle infrastrutture vocali esistenti, con particolare attenzione alla personalizzazione del comportamento conversazionale, all’ispezionabilità delle risposte e alla gestione degli ambienti aziendali regolamentati.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)