StepOne Voice – Kern-Engines & Funktionsmodule im Detail
Tiefer Einblick in die technische Architektur und visuellen Dashboards – jedes Submodul lässt sich granular nach Produktwissen, Geschäftsregeln und Rollenberechtigungen konfigurieren.
Akustische VAD-Endpunkterkennung + Echokompensation + Umgebungsrauschfilter + Streaming-ASR mit Branchen-Hotwords für präzise Absichtserkennung selbst in lauter Umgebung.
Zustandsverfolgung per Wenquxing-LLM + gesprächsübergreifendes Kunden-Langzeitgedächtnis + kontrollierte RAG-Wissensbindung + parallele asynchrone Tool-Steuerung.
Natürliches Streaming-TTS mit emotionaler Tonalität + nahtlose Übergabe mit Zusammenfassung + 100-%-Compliance-QA und automatisches CRM-Writeback.
Die sechs zentralen Funktionsmodule im Detail
Akustische Signal-Engine
Integriert hochpräzise VAD-Spracherkennung, AEC-Echokompensation und NS-Rauschunterdrückung – filtert zuverlässig Hintergrundstimmen im Einkaufszentrum, im Fahrzeug oder auf der Straße.
Streaming-ASR mit Fachvokabular
Unterstützt Hotword-Boosting für Produktmodelle, Fachjargon und Eigennamen mit Echtzeit-Transkription bei deutlich reduzierter Verwechslungsrate.
Natürliche Unterbrechungslogik
Unterscheidet intelligent zwischen kurzen Hörersignalen („mhm, okay“) und echten Unterbrechungsabsichten und wechselt verzögerungsfrei in den Zuhörmodus.
Asynchroner Tool-Aufruf (Async Tool Call)
Fragt während des Gesprächs parallel Auftrags-, Bestands- und Ticket-APIs im Hintergrund ab, überbrückt natürlich im Vordergrund und verhindert lange Gesprächspausen.
Kundenbezogenes Langzeitgedächtnis (Memory)
Speichert Gesprächsergebnisse, bevorzugte Kontaktzeiten und offene Punkte über mehrere Anrufe hinweg – Kunden müssen ihr Anliegen beim Folgeanruf nicht wiederholen.
100-%-Compliance-QA & Hard-Case-Rückführung
Erstellt automatisch QA-Scorecards, Warnungen bei sensiblen Begriffen und Hard-Case-Pools für die wöchentliche Optimierung von Spracherkennung und Gesprächsmodellen.