Голосовые ИИ-агенты для звонков: как работает Fish Agent

ИИ-агенты 7 мин чтения

---

Голосовые ИИ-агенты, способные самостоятельно принимать и совершать телефонные звонки, перестали быть уделом крупных колл-центров с собственными разработчиками. Fish Audio запустила платформу Fish Agent в режиме публичного бета-тестирования. Теперь настроить работающего телефонного агента можно без единой строки кода примерно за полминуты. Разберём, как это устроено, где это применимо и на что обращать внимание при оценке подобных инструментов.

Что такое Fish Agent и как он устроен

Fish Agent это размещённая платформа для создания голосовых агентов. Они общаются с людьми по телефону в режиме реального времени. Агент настраивается через визуальную консоль: задаётся системный промпт объёмом до 32 000 токенов, первое сообщение, голос, язык, источники знаний и подключаемые инструменты. Никакую серверную инфраструктуру разворачивать не нужно. Платформа сама обрабатывает распознавание речи, определение очерёдности реплик и синтез голоса.

За качество живого диалога отвечает Fish Live 3. Это полнодуплексная голосовая модель, которая одновременно слушает и говорит. Это принципиально отличается от классической схемы «послушал, обработал, ответил»: агент реагирует на перебивания, не теряет нить разговора и не заставляет собеседника ждать паузы после каждой реплики. Именно такое поведение делает диалог похожим на разговор с живым оператором, а не с автоответчиком.

Для языковой логики платформа поддерживает ведущие LLM, включая собственную модель Fish Audio. Выбор модели влияет на то, насколько точно агент следует инструкциям, как обрабатывает нестандартные вопросы и насколько связно выстраивает длинные разговоры.

Как запустить агента: от консоли до API

Путь от нуля до работающего агента в консоли выглядит так:

• Создать агента, задать имя и системный промпт.
• Выбрать голос из библиотеки (более 2 миллионов голосов на 30+ языках) или подключить клонированный голос.
• Указать язык речи.
• При необходимости добавить базу знаний, внешние инструменты, вебхуки или API-интеграции.
• Протестировать в браузере через тестовый звонок, с доступом к микрофону, расшифровкой и таймером.
• Нажать Publish.

Публикация фиксирует конфигурацию в неизменяемой пронумерованной версии. Реальные сессии используют опубликованную версию, а черновик можно безопасно редактировать параллельно. Изменения не затронут работающих агентов до следующей публикации. Это важная деталь для тех, кто хочет интегрировать настройки без риска сломать продакшн.

Для программной интеграции доступны REST API, WebSocket-интерфейс и клиентский SDK (@fishaudio/agent-client для JavaScript). Через API можно создавать агентов, управлять сессиями, подключать инструменты и базы знаний. То есть, встраивать голосового агента в собственное веб-приложение или мобильный продукт.

Заявленное медианное время развёртывания: 32 секунды. Это не маркетинговое преувеличение в вакууме: речь о времени от создания агента до первого работающего звонка при минимальной конфигурации. Сложные сценарии с базами знаний и API-интеграциями займут больше времени.

Для каких задач это реально подходит

Платформа ориентирована на сценарии, где нужен телефонный контакт без живого оператора на каждом звонке. Несколько практических применений:

• Виртуальный администратор. Агент принимает входящие звонки, отвечает на типовые вопросы, записывает клиентов, передаёт данные в CRM через вебхук. Клиент не слышит «подождите, я уточню»: агент работает с базой знаний в реальном времени.
• Исходящие уведомления и подтверждения. Агент сам обзванивает список контактов: подтверждает заказы, напоминает о записи, собирает обратную связь. Это снимает нагрузку с операторов на рутинных задачах.
• Первичная квалификация обращений. Агент принимает звонок, задаёт уточняющие вопросы, собирает контекст и при необходимости переводит звонок на живого сотрудника, вместе с полной расшифровкой разговора. Сотруднику не нужно заново выяснять, кто звонит и зачем.
• Консультирование по каталогу. Агент с подключённой базой знаний отвечает на вопросы о товарах, ценах, наличии: без ожидания в очереди.

Для селлеров и брендов, работающих на маркетплейсах, голосовой агент может закрыть отдельный канал коммуникации. Например, обработку звонков от оптовых покупателей или партнёров, где текстовый чат неудобен.

Что платформа даёт сверх базового звонка

Fish Agent: часть более широкой экосистемы Fish Audio. Она охватывает весь стек голосового ИИ. Это важно понимать при оценке платформы: агент не изолирован, а опирается на зрелую инфраструктуру.

Синтез речи реализован через модели s2.1-pro и s2-pro. Они генерируют естественно звучащую речь, а не роботизированный TTS. Распознавание аудио обеспечивает модель transcribe-1-pro с поддержкой нескольких говорящих, длинных записей, эмоциональных характеристик и временных меток. Это означает, что расшифровка разговора, которую агент передаёт оператору при переводе звонка, содержит не просто текст, но и структуру диалога.

Клонирование голоса доступно двумя способами: мгновенное по короткому аудиофрагменту и обучение постоянной голосовой модели. Для брендов, у которых есть фирменный голос (например, уже записанные IVR-фразы), это позволяет сохранить узнаваемость в голосовом агенте.

Дополнительно платформа умеет генерировать музыку и звуковые эффекты по текстовому описанию, разделять аудио на отдельные дорожки, создавать голоса по текстовому описанию и менять голос в существующей записи. Для большинства телефонных агентов эти функции избыточны, но они открывают возможности для более сложных продуктов. Например, многоголосых аудиогидов или интерактивных обучающих сценариев.

Story Studio внутри платформы предназначена для длинных многоязычных проектов: аудиокниг, диалогов, нарративов. Это отдельный инструмент, не связанный напрямую с телефонными агентами, но полезный командам, которые производят аудиоконтент.

Как голосовые агенты меняют логику работы с клиентами

Телефонный звонок остаётся каналом с высоким уровнем доверия: клиент, который позвонил, уже принял решение взаимодействовать. Проблема в том, что обработка звонков дорогая, непредсказуемая по нагрузке и требует живых людей в рабочее время. Голосовой агент снимает эти ограничения: он работает круглосуточно, не устаёт и не делает ошибок из-за усталости.

Но важно понимать, где агент помогает, а где создаёт риски. Агент хорошо справляется с предсказуемыми сценариями: FAQ, сбор данных, подтверждения, первичная квалификация. Там, где разговор непредсказуем: жалобы с эмоциональной нагрузкой, сложные переговоры, нестандартные ситуации живой оператор по-прежнему незаменим. Грамотная архитектура: агент обрабатывает рутину и передаёт сложные случаи человеку с контекстом.

Аналогичная логика работает в текстовых каналах. Когда команда тратит время на однотипные ответы покупателям на маркетплейсах, это прямые потери. Здесь автоматизация ответов на отзывы через ИИ даёт измеримый эффект. Сервисы вроде SaleSynergy решают эту задачу для российских маркетплейсов: генерируют персонализированные ответы с учётом tone of voice бренда, анализируют тональность отзывов и помогают находить точки роста карточек товаров. То есть, делают для текстовой коммуникации то же, что голосовой агент делает для телефонного канала.

Здесь прослеживается общая тенденция: ИИ-агенты берут на себя повторяемые коммуникационные задачи, освобождая команду для работы, которая требует суждения и контекста.

На что смотреть при оценке голосовых агентов

Если вы рассматриваете голосового агента для своего бизнеса, вот критерии, которые реально влияют на результат:

• Качество диалога в реальном времени. Ключевой вопрос, как агент обрабатывает перебивания и паузы. Полнодуплексная модель (как Fish Live 3) ведёт себя естественно; классический pipeline «STT → LLM → TTS» даёт заметные задержки и не реагирует на перебивания.
• Глубина настройки контекста. Системный промпт на 32 000 токенов это возможность детально описать роль агента, правила поведения, исключения и сценарии. Короткий промпт даёт поверхностного агента.
• Интеграция с внешними системами. Агент без подключения к CRM, базе знаний или API это дорогой автоответчик. Важно, чтобы платформа поддерживала вебхуки и позволяла передавать данные в реальном времени.
• Механика передачи звонка. Как агент переводит звонок на оператора? Передаётся ли контекст разговора? Если клиенту приходится повторять всё заново, это провал пользовательского опыта.
• Версионирование конфигурации. Возможность редактировать черновик без влияния на работающие сессии, признак зрелой платформы. Без этого любое изменение настроек становится рискованным.
• Стоимость и модель тарификации. Fish Agent на старте предлагает бесплатного персонального агента и кредиты на использование в течение 48 часов после запуска. Это позволяет проверить платформу на реальных сценариях до принятия решения о покупке.

Как применить это на практике прямо сейчас

Если вы управляете коммуникациями бренда или команды поддержки, вот конкретные шаги.

Сначала определите, какой канал создаёт наибольшую нагрузку при наименьшей сложности задач. Если это телефон, голосовой агент закроет типовые входящие. Если это отзывы и вопросы на маркетплейсах, автоответы на отзывы через ИИ дадут быстрый эффект без внедрения телефонной инфраструктуры.

При тестировании голосового агента не начинайте с самого сложного сценария. Возьмите предсказуемый: подтверждение заказа, ответы на FAQ, сбор контактных данных. Проверьте, как агент ведёт себя при нестандартных репликах. Именно здесь видна реальная надёжность.

Типичные ошибки при внедрении:

• Слишком короткий системный промпт: агент не знает, как вести себя в пограничных ситуациях.
• Отсутствие механики передачи на оператора: клиент застревает в петле с агентом, который не может помочь.
• Запуск без тестирования на реальных звонках, браузерный тест не воспроизводит все условия телефонного канала.
• Игнорирование аналитики разговоров: расшифровки звонков содержат ценную информацию о типичных вопросах и болях клиентов, которую можно использовать для улучшения базы знаний и карточек товаров.

Если голосовой агент это пока избыточно для вашего масштаба, начните с автоматизации текстовых каналов. Аналитика отзывов маркетплейсов и автоответы на отзывы дают измеримый результат быстрее и с меньшими затратами на внедрение. Логика та же: ИИ берёт рутину, команда занимается задачами, требующими живого участия.