Tale-til-tale-modeller høres fantastisk ut i teorien ... til de distribueres i bedriftsskala. Det er lett å se hvorfor folk er begeistret. Ved å hoppe over de separate tale-til-tekst- og tekst-til-tale-modellene, leverer S2S-modeller spennende demonstrasjoner som fanger tone, følelser og nyanser med minimal ventetid. S2S-modeller kan være en utrolig teknisk prestasjon, men de er fortsatt vanskelige å kontrollere i produksjon og vanskeligere å garantere at arbeidsflyter utføres nøyaktig. Mange av S2S-stemmedemoene optimaliserer for hastighet og naturlighet, ikke for korrekthet eller sikkerhet. I virkelige distribusjoner eroderer disse avveiningene tilliten raskt. For stemmeagentene våre har vi beholdt den strukturerte pipelinen, men rekonstruert den for hastighet. Vi har gjort massevis av modell- og infrastrukturoptimaliseringer for å levere raskere og mer naturlig tale. Resultatet er en 65 % forbedring i hastighet samtidig som revisjonsevnen og presisjonen bedrifter er avhengige av, opprettholdes. Tale-til-tale vil komme dit til slutt. Men i dag er presisjon og pålitelighet det som får tale-AI til å fungere i bedriftsskala.