Berbicara dengan Suara
Buka di CMSDalam langkah ini Anda membuat orang bisa berbicara langsung dengan agent Anda dan mendengar jawabannya. Voice berjalan berdampingan dengan text chat agent yang sudah ada, bukan menggantikannya: user bisa berpindah antara berbicara dan mengetik kapan saja, dan semua yang sudah dilakukan agent (pencarian knowledge base, web search, custom tool, agent lain) tetap bekerja dengan cara yang sama di balik layar. Yang berubah hanyalah cara percakapan masuk dan keluar.
Di CMS, voice diatur di halaman Agent Voice: buka Conversation → Voice di sidebar kiri.
Di bagian ini Anda memberi suara kepada Atlas, asisten operasional Kirana Group. Seorang site supervisor yang sedang memakai sarung tangan bisa bertanya "Who signs the permit for work above two metres?" secara lisan dan mendengar jawabannya, sementara approval chain dan status proyek tampil di layar. Atlas memakai Turn-by-turn, conversation style default. Pengaturan Natural Conversation menunjukkan apa yang berubah bila Anda beralih ke Natural conversation.
Voice call ditagih berbeda dari text chat, dan berbeda pula untuk setiap conversation style: Turn-by-turn menagih audio dan teks yang benar-benar didengar dan diucapkannya (ditambah transkripsi), sedangkan Natural conversation menagih setiap menit selama panggilan terbuka (termasuk saat hening), ditambah jawaban yang ditulis oleh Answering AI model-nya. Apa pun pilihannya, menyalakan voice memengaruhi biaya menjalankan agent. Lihat Billing.
Sebelum memulai
- Agent Anda sudah menjawab dengan benar lewat teks: Memberi Identitas pada Agent, Mengajari Agent Anda, dan Membentuk Percakapan sudah selesai. Voice call memakai persona, knowledge, dan tool yang sama.
- Anda tahu cara preview dan publish perubahan.
- Opsional: tulis welcome message. Sampel suara di halaman ini mengucapkannya, sehingga Anda mendengar sapaan yang akan diterima user.
Turn on voice
Voice conversations
Menyalakan atau mematikan voice untuk agent ini. Saat menyala, end user mendapat cara untuk memulai percakapan lisan dari antarmuka chat (lewat menu + di samping input chat), selain mengetik seperti biasa.
Saat mati, tidak ada pengaturan lain di halaman ini yang berlaku dan tidak ada akses voice yang ditampilkan ke user. Semua card lain di halaman ini baru muncul setelah switch ini dinyalakan.
Card yang sama juga berisi Voice screen style dan Welcome message, yang menentukan apa yang dilihat user selama panggilan. Keduanya dijelaskan di Layar Voice dan Konten di Layar.
Conversation style
Hanya ditampilkan saat Voice conversations menyala dan Natural conversation tersedia untuk organization Anda, dari Qlar atau di salah satu gateway-nya (atau agent sudah memakainya). Memilih cara asisten berbicara dengan user dalam voice call:
| Opsi | Penjelasan |
|---|---|
| Turn-by-turn (bertanda Default) | Satu orang berbicara pada satu waktu: asisten menunggu sampai user selesai berbicara, lalu menjawab. Cara asisten mengenali akhir giliran diatur di Conversation flow dan Push-to-talk. |
| Natural conversation (bertanda Beta) | Seperti menelepon seseorang: asisten tetap mendengarkan sambil berbicara. Ia mengeluarkan suara pendek tanda mendengarkan ("mm-hmm") saat user berbicara, menyadari saat ucapannya dipotong lalu mengalah, dan menjaga percakapan tetap mengalir. Apa pun yang membutuhkan knowledge base, data, tool, atau layar Anda diserahkan ke Answering AI model, lalu voice menyampaikan hasilnya kepada user dengan kata-katanya sendiri. |
Natural conversation masih beta dan tersedia untuk organization tertentu; opsinya hanya muncul di tempat fitur ini tersedia. Fitur ini tidak ditawarkan kepada organization yang menyalakan Mode Privasi, karena selama panggilan Natural conversation, isi percakapan (yang diucapkan atau diketik user, gambar yang dilampirkan, dan jawabannya) bisa disimpan oleh penyedia model, tempat mode privasi tidak dapat menghapusnya.
Jika di kemudian hari Natural conversation dimatikan untuk organization Anda, agent yang sudah memakainya tetap menampilkan card ini dengan sebuah peringatan: panggilannya berjalan secara Turn-by-turn sampai Natural conversation tersedia lagi, dan pengaturan Natural conversation-nya tetap disimpan. Bila voice-nya berjalan di gateway, panggilannya justru berakhir sampai voice di gateway tersedia lagi; panggilan tidak pernah pindah ke voice Qlar atau ke Turn-by-turn.
Jika Anda sama sekali tidak melihat card ini, agent Anda memakai Turn-by-turn, dan semua yang ada di halaman ini serta di Suara, Pendengaran, dan Giliran Bicara tetap berlaku.
Perbedaan kedua style
| Turn-by-turn | Natural conversation | |
|---|---|---|
| Percakapan | Satu orang berbicara pada satu waktu | Mendengarkan sambil berbicara, mengeluarkan suara tanda mendengarkan, mengalah saat dipotong |
| Yang menjawab | Voice itu sendiri, dengan tool milik agent | Answering AI model (secara default model chat); voice mengucapkan jawabannya |
| Suara | 10, default marin | 22, default cedar (lihat Assistant's voice) |
| Pengenalan suara | Model Speech recognition yang Anda pilih, ditagih terpisah | Bawaan, tidak ditagih terpisah |
| Pengaturan giliran bicara | Conversation flow | When someone talks over the assistant dan Listening sounds |
| Push-to-talk | Tersedia | Tidak tersedia: panggilan selalu mendengarkan |
| Gambar selama panggilan | Selalu dibaca | Bergantung pada Answering AI model (lihat Lampiran) |
| Batas panggilan | Tidak ada | Berakhir setelah periode hening dan pada durasi maksimum (lihat Call limits) |
| Billing | Token audio dan teks yang benar-benar didengar dan diucapkan, ditambah transkripsi | Sekitar 1.500 credit per menit selama panggilan terbuka, termasuk saat hening, ditambah pemakaian Answering AI model (lihat Billing) |
Hal yang perlu diketahui saat berpindah style:
- Setiap style menyimpan pengaturannya sendiri. Pengaturan Turn-by-turn tetap tersimpan saat Natural conversation dipilih, jadi tidak ada yang hilang saat Anda kembali.
- Save, lalu Publish. Preview di CMS langsung memakai style baru setelah Anda menyimpan; user mendapatkannya setelah Anda publish. Panggilan yang sedang berjalan tetap memakai style saat panggilan itu dimulai.
- Semua hal lain berlaku untuk keduanya: voice screen style, welcome message, on-screen content, dan speaking style bekerja dengan cara yang sama di kedua style. Lampiran dan immersive view instructions sedikit berbeda; bagian masing-masing menjelaskan perbedaannya.
- Turn-by-turn adalah cadangan. Jika Natural conversation tidak bisa menerima panggilan (misalnya saat kapasitasnya penuh), panggilan berjalan secara Turn-by-turn dengan pengaturan Turn-by-turn Anda, sehingga user tetap bisa berbicara. Pengecualiannya adalah voice di gateway Anda: panggilan seperti itu berakhir.
Mana yang sebaiknya dipilih? Mulailah dengan Turn-by-turn: ini default, panggilan yang hening hanya memakan sedikit biaya, dan tersedia push-to-talk untuk tempat yang bising. Cobalah Natural conversation bila Anda ingin panggilan terasa seperti berbicara dengan manusia dan Anda menerima biaya untuk setiap menit panggilan terbuka.
Billing
Turn-by-turn ditagih berdasarkan apa yang benar-benar diprosesnya: audio dan teks yang didengar dan diucapkannya, ditambah transkripsi dari ucapan user. Panggilan yang tidak diisi pembicaraan hanya memakan sedikit biaya.
Natural conversation ditagih dalam dua bagian:
| Bagian | Tarif | Yang dihitung |
|---|---|---|
| Waktu voice | Sekitar 1.500 credit per menit (25 per detik) | Setiap detik panggilan terbuka. Hening, waktu saat user di-mute, dan waktu saat asisten diminta diam semuanya dihitung. |
| Jawaban | Tarif token normal Answering AI model | Ditagih persis seperti jawaban chat dari model tersebut, setiap kali voice menyerahkan sesuatu; dua kali lipat tarifnya untuk model +, yang berjalan dengan Fast mode. Tool yang dipakai jawaban (web search, knowledge base, plugin) ditagih seperti biasa. |
Sebagai contoh, panggilan 5 menit yang di dalamnya voice menyerahkan empat pertanyaan ke Smart memakan sekitar 7.900 credit: 7.500 untuk waktu voice dan kira-kira 100 per jawaban (jumlah pastinya bergantung pada panjang jawaban dan percakapan). Pertanyaan yang membutuhkan pencarian sedikit lebih mahal, karena hasil tool dikirim kembali ke model, dan tool seperti web search atau knowledge base menambahkan biaya kecilnya sendiri. Di halaman usage, waktu voice muncul di kategori dialog-live dan jawabannya di dialog-live-backend.
Call limits mencegah panggilan yang menganggur atau terlupakan terus menghabiskan waktu voice.
Voice di gateway Anda
Bila organization Anda sudah menghubungkan gateway yang punya Codex, panggilan Natural conversation bisa berjalan di realtime voice milik akun yang sign-in di komputer itu, sebagai ganti GPT-Live milik Qlar. Langganan atau API key organization sendiri yang membayar voice-nya, dan tidak ada credit Qlar yang ditagih per menit.
Setelah memilih Natural conversation, pilih tempatnya berjalan di Voice runs on: Qlar, atau salah satu gateway organization beserta status online-nya. Gateway yang tidak bisa menerima panggilan tampil abu-abu beserta alasannya: offline, belum terhubung, tool-nya tidak bisa voice, atau Codex belum sign-in.
| Di gateway | |
|---|---|
| Assistant's voice | Suara yang ditawarkan akun di gateway itu, diawali suara default gateway. Tidak ada preview. |
| Panggilan sekaligus | Secara default 2 sekaligus per gateway (halaman Voice menampilkan batas gateway itu sendiri); penelepon berikutnya melihat bahwa panggilan voice sedang sibuk. |
| Gateway offline atau dihapus | Panggilan berakhir. Panggilan tidak pernah pindah ke voice Qlar atau ke Turn-by-turn, jadi tidak ada credit yang tiba-tiba terpakai. |
| Langganan ChatGPT | Butuh UDP port 3478 keluar dari komputer itu. |
| Billing | Tidak ada credit Qlar per menit. Pemakaian Answering AI model ditagih seperti biasa, dan juga tanpa credit Qlar bila model itu model gateway. |
Voice di gateway tidak tersedia selama Mode Privasi menyala: panggilan agent yang diatur ke gateway berakhir sampai Mode Privasi dimatikan atau Anda memilih Turn-by-turn. Semua hal lain di halaman ini (layar voice, konten di layar, gaya bicara, dan pengaturan Natural conversation) berlaku sama.
Menyimpan perubahan
Klik Save setelah mengubah pengaturan apa pun. Preview di CMS langsung memakai pengaturan yang tersimpan; publish agent Anda agar perubahan terlihat oleh end user.
Di bagian ini
| Halaman | Yang Anda atur |
|---|---|
| Suara, Pendengaran, dan Giliran Bicara | Suara asisten, speech recognition, speaking style, serta (khusus Turn-by-turn) conversation flow dan push-to-talk. |
| Layar Voice dan Konten di Layar | Apa yang dilihat user selama panggilan: tampilan immersive atau transkrip, welcome message, lampiran, apa yang tampil di canvas, instruksi untuk tampilan immersive, dan subtitle. |
| Pengaturan Natural Conversation | Khusus Natural conversation: Answering AI model, cara asisten mengalah saat dipotong, suara tanda mendengarkan, dan batas panggilan. |
Mulailah dengan Suara, Pendengaran, dan Giliran Bicara untuk memilih suara, lalu atur layar voice. Buka Pengaturan Natural Conversation hanya jika Anda memilih Natural conversation di atas.
Periksa hasilnya
- Nyalakan Voice conversations, biarkan conversation style pada Turn-by-turn, lalu klik Save.
- Buka preview agent Anda, klik menu + di samping input chat, lalu mulai percakapan voice.
- Ajukan pertanyaan yang sudah bisa dijawab agent Anda lewat teks. Untuk Atlas, ucapkan "Who has to approve a project worth $2.5 million?". Anda seharusnya mendengar approval chain dari SOP-FIN-007 (Group Risk Office review, lalu Regional Director, lalu CFO) dengan suara yang Anda pilih, dan melihat panggilan dalam voice screen style yang Anda atur.
- Bila sudah puas, publish agent agar user juga mendapatkan voice.
Langkah berikutnya
- Berikutnya dalam alur: Menguji Tool dengan Aman Memakai Mock, langkah terakhir Tahap 3 · Perluas Kemampuan.
- Suara, Pendengaran, dan Giliran Bicara: pilih suara dan atur cara asisten bergantian bicara.
- Model & Context: model chat (juga Answering AI model default untuk Natural conversation) dan pengaturan lampiran yang juga dipakai voice call.
- Langkah sebelumnya: Mengajarkan Skill ke Agent.