Velma APIは、感情、意図、および詐欺のためにライブ音声オーディオを分析します。
生の音声オーディオを分析し、感情、意図、詐欺信号を処理することで、トランスクリプトに依存することなく、生波形を処理し、サブ秒の行動アラートを可能にします。ModulateのVelma APIは、リアルタイムモニタリングとエージェントアシストのためのオーディオネイティブインテリジェンスAPIです。主な機能には、アンサンブルリスニングモデルを使用した直接音声分析、スピーカーダイアリゼーションを伴うトランスクリプション、ディープフェイク検出などがあります。これは、音声ストリームからリアルタイムの行動信号を必要とする開発者、コールセンターチーム、信頼と安全のグループに適しています。
実際にどのようなタスクに使用できますか？
Velmaはリアルタイム音声分析タスクを対象としています：150以上の事前設計されたプロンプトにおける行動検出、20以上の感情ラベルによる感情とトーンの分類、タイムスタンプ付きのスピーカーダイアリゼーション、そして削除のためのPII/PHIタグ付けです。APIはこれらの出力をRESTおよびWebSocketエンドポイントを介して公開し、ライブ音声チャット、エージェント支援ワークフロー、および通話後のレビューに統合します。これらの具体的な出力により、このツールは詐欺検出、コンプライアンス監視、そしてライブストリームにおける顧客感情測定に適しています。
手動レビューと比較して出力の精度はどのくらいですか？
開発者は高い転写品質とディープフェイク検出のための先進的なベンチマークの位置を報告しています。また、製品は転写をテキストだけでなく直接音声分析と組み合わせています。この設計は、転写がしばしば省略するトーンやリズムなどの信号を保持し、より微妙な行動ラベルをサポートします。転写とアラートのためのサブ秒のレイテンシーは、通常400ms未満であり、遅延したポストプロセッシングではなく、ほぼリアルタイムの決定を可能にします。
どのファイルタイプと統合を受け入れますか？
VelmaはWebSocketおよびRESTを介してライブ音声を受け入れ、UnityやUnrealを含むモバイルおよびゲームプラットフォームへの埋め込みをサポートします。入力はテキストではなく生の音声ストリームであるため、録音されたファイルやライブ音声から始まるワークフローは、中間の音声からテキストへのステップなしでAPIに直接接続できます。スピーカーダイアリゼーションとタイムスタンプは、行動タグとともに時間に合わせたレビューのために到着します。
既存の音声ワークフローに追加するのは簡単ですか？
APIの表面は開発者と製品チームを対象としています：RESTおよびWebSocketインターフェースはプログラム呼び出しとストリーミングを可能にします。iOS/Androidおよびゲームエンジンの統合がサポートされており、ライブモデレーションやエージェント支援を必要とするチームに適しています。このツールは転写後分析のパイプラインを音声優先モデルに置き換えるため、エンジニアリングチームは転写を保存するだけでなく、音声ストリームをサービスにルーティングする必要があります。
ヴェルマは、ライブで音声を優先する行動信号を必要とするエンジニアリングチームに適しています
ヴェルマは、ライブ音声からの時間に合わせた行動検出とトーン分析を必要とするチームにとって価値があります。なぜなら、ヴェルマは生の音声を処理し、スピーカーダイアリゼーション、感情ラベル、詐欺フラグをサブ秒の遅延で返すからです。正確性の主張は、文字起こしと合成音声検出のベンチマーク配置に基づいていますが、チームは自動アラートを唯一の証拠として使用する前に、自分たちのドメインデータに対してラベルを検証する必要があります。
