dograh-hq/dograh
一句话理解
对话流程规定助手要做什么、什么时候换到下一步以及怎样结束。语音组件负责让来电者和助手用声音交流。平台支持直接用语音生成语音,也支持把语音识别、语言模型和语音合成分开接入。
它解决什么问题
做一个能接电话的助手,需要把来电者的话变成可执行的对话步骤,再把答复送回给对方。Dograh 把流程编辑、语音处理和电话接入放在一个可自部署的开源平台里。第一次试用可以只验收一个目标:用事先准备的问句启动对话,检查助手是否进入预期分支,并在浏览器里听到符合预期的答复。如果目标是真实接听电话,还需要用实际来电检查同一条流程。
从输入到输出
以分开接入语音组件的流程为例,可以沿着五步理解。第一,给助手指定接听或外拨方向,在可视化编辑器里写好全局规则和分支条件,后续对话就有了可遵循的路径。第二,浏览器测试收进一段话,语音识别把它转成文本,供语言模型处理。第三,助手根据当前节点和用户的话生成答复,流程按设定的条件切换节点,也可进入预设的结束节点。第四,语音合成把答复变成声音。分段方案如果缺少可用的语音识别或合成服务,就分别缺了从声音到文本或从文本到声音的一环。第五,浏览器测试可检查回复和节点切换,实际电话则要经过电话服务接入。缺少可用的电话接入时,浏览器里的语音闭环仍可用来检查对话流程。
用一个小任务理解
理解示例(未实测):假设给一家虚构的社区图书馆做接听助手,在流程里写入两条固定信息:周六十点开门,地址是松林路十二号。建好问时间和问地址两个分支,再在浏览器里说“你们周六几点开门?”预期这句话经过识别后,助手进入开放时间分支,语音回答“周六上午十点开门”。接着可用同一句话做文字测试,对照回复内容和节点去向。若文字测试符合预期而语音答复不同,可以先检查语音输入是否被正确理解。
改变一个条件会怎样
预测与验证(待检验):在文字测试里保持同一个流程和同一段对话前文,只把“你们周六几点开门?”改成“图书馆在哪里?”。预期助手会转入地址分支,回复里出现“松林路十二号”。用文字测试编辑并重放这一轮,对照改动前后的回复和节点去向。如果答复提到了地址,但节点仍停在开放时间分支,就回到编辑器检查切换条件。
适合谁,哪里会失效
根据资料推断:它适合想先把接听或外拨脚本变成可测试流程,之后再决定如何部署和接电话的团队。真实电话要核对所用服务商的能力,人工转接仅在支持该能力的接入上可用。本地快速启动默认会给接口开一条公共隧道以接收入站电话回调,并开启注册,计划在隔离环境试用时要先核对启动方式。现有资料缺少端到端语音延迟和识别准确率的实测数据,面向真实来电的验收需要用目标服务商、线路和代表性问句另做测试。
第一次尝试时看什么
根据资料推断:先选一个有两种常见问法、每种都有明确答复的场景。把每句测试输入应走的节点和应说出的关键信息写下来,先用文字测试调整分支,再用浏览器语音走一遍。如果打算让编程助手通过 MCP 起草流程,把角色、分支条件和验收问句一起交给它,再用同一组问句检查草稿。
发表回复