PolyAI Dialog-RSN-1 est désormais disponible sur Amazon SageMaker JumpStart
PolyAI a rendu disponible Dialog-RSN-1, son modèle de raisonnement conçu pour les conversations téléphoniques complexes en temps réel, sur AWS Marketplace et sur Amazon SageMaker JumpStart. Il s'agit du premier modèle de PolyAI proposé sur AWS Marketplace. Les clients AWS peuvent s'y abonner puis le déployer comme point de terminaison SageMaker dans leur propre environnement, ou le lancer d'un clic depuis le catalogue JumpStart de SageMaker Studio, ou encore via quelques lignes du SDK Python de SageMaker. Le modèle traite directement l'audio de l'appelant, raisonne sur sa demande et répond en une seule passe, sans étape distincte de transcription ni modèle séparé chargé de décider quand prendre la parole. Le point de terminaison parle le protocole OpenAI Realtime : un client existant s'y connecte en changeant simplement son URL de base, via le pont de PolyAI. L'audio attendu est du PCM 16 bits mono à 16 ou 24 kHz (le G.711 ou l'Opus doivent être transcodés au préalable), les connexions durent au maximum 30 minutes et le modèle ne fonctionne qu'en anglais pour l'instant.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de AWS ML Blog. Lire l'article original →
L'enjeu est double : performance conversationnelle et maîtrise des données. Les modèles taillés pour la vitesse risquent de passer à côté du sens, tandis que ceux axés sur le raisonnement font attendre l'appelant. En raisonnant directement sur le signal audio, Dialog-RSN-1 capte le ton, les hésitations et le rythme, que perd une simple transcription, et décide lui-même du bon moment pour répondre. PolyAI affirme que l'interruption de l'agent par l'appelant (barge-in) reste active même lors des pics d'appels, que les réponses suivent le rythme de la conversation et que la transcription est produite à partir de l'audio lui-même. Côté sécurité, l'inférence s'exécute dans le compte AWS du client, au sein de son VPC, avec ses rôles IAM et la supervision Amazon CloudWatch habituelle. Les enregistrements et transcriptions restent ainsi dans un périmètre contrôlé, ce qui facilite le respect des exigences de résidence des données et d'auditabilité. La facturation passe par le compte AWS, et l'entreprise garde la main sur l'orchestration, l'intégration téléphonique et la logique métier.
Cette annonce s'inscrit dans la course aux agents vocaux capables de tenir de vraies conversations, où les architectures en cascade (reconnaissance vocale, modèle de langage, synthèse vocale) cèdent du terrain à des modèles traitant l'audio de bout en bout, comme le suggère l'adoption du protocole OpenAI Realtime comme interface de fait. PolyAI indique que Dialog-RSN-1 gère déjà des appels réels en production et que ses calculs, son entraînement et son service reposent sur le même cloud AWS. Pour Amazon, SageMaker JumpStart sert à raccourcir la distance entre le choix d'un modèle et sa mise en production, avec une pile de service déjà optimisée, sans conteneurs à gérer ni benchmarks manuels. Les prochaines étapes à surveiller sont l'extension à d'autres langues, aujourd'hui absentes, et la capacité du modèle à convaincre les grandes entreprises de centres de contacts, qui exigent à la fois conformité, faible latence et fiabilité à grande échelle.
Les entreprises européennes clientes d'AWS peuvent déployer ce modèle vocal dans leur propre VPC pour mieux maîtriser la résidence des données, mais il ne fonctionne qu'en anglais pour l'instant.