Wixzel Voice के sarvam इंजन पर हिंदी और मलयालम फ़ोन एजेंट

शुरू करने से पहले आपको क्या चाहिए?

• क्रेडिट वाली Wixzel Voice API की, WIXZEL_API_KEY के रूप में export की हुई।
• एक SIP ट्रंक जिस पर नंबर हो। भारतीय नंबरों के लिए Exotel या Vobiz जैसा कैरियर, जिस पर KYC और ज़रूरी DLT रजिस्ट्रेशन पूरा हो: जिस अकाउंट पर ये पूरे नहीं हैं, उसमें बैलेंस हो सकता है और फिर भी हर आउटगोइंग कॉल रोकी जा सकती है।
• curl, jq और uuidgen।

इसे Wixzel Voice पर स्टेप-बाय-स्टेप कैसे बनाएँ?

1. 01देखें कि इंजन कौन-सी भाषाएँ और आवाज़ें देता है

   दोनों लिस्ट हार्डकोड करने के बजाय API से पूछें:

   shellकॉपी करें

   curl https://api.voice.wixzel.com/v1/engines/sarvam/languages \
     -H "Authorization: Bearer $WIXZEL_API_KEY"
   
   curl https://api.voice.wixzel.com/v1/engines/sarvam/voices \
     -H "Authorization: Bearer $WIXZEL_API_KEY"

   languages endpoint आज 11 कोड लौटाता है: en-IN, hi-IN, bn-IN, gu-IN, kn-IN, ml-IN, mr-IN, od-IN, pa-IN, ta-IN, te-IN। हिंदी hi-IN है और मलयालम ml-IN। आवाज़ें Bulbul v3 स्पीकर के नाम हैं, जैसे priya, kavya और shubh; Sarvam सिर्फ़ नाम बताता है, इसलिए कोई आवाज़ चुनने से पहले उसे सुनकर देखें।

2. 02हिंदी एजेंट बनाएँ

   भाषा तीन सेटिंग्स से तय होती है। voice.stt.language पहचान और बोली को हिंदी पर तय करता है; एजेंट का language मॉडल को उसी भाषा में जवाब देने को कहता है; और निर्देश और शुरुआती लाइन उसी तरह लिखे जाते हैं जैसे एजेंट को बोलना चाहिए। तीनों स्टेज Sarvam मॉडल हैं, क्योंकि स्पीच-टू-टेक्स्ट प्रोवाइडर पाइपलाइन चुनता है और बाकी दोनों उसी फ़ैमिली से होने चाहिए।

   shellकॉपी करें

   curl https://api.voice.wixzel.com/v1/agents \
     -H "Authorization: Bearer $WIXZEL_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
       "name": "Hindi reception",
       "language": "hi-IN",
       "system_prompt": "You answer the phone for Sharma Dental Clinic, in Hindi. Speak the everyday Hindi callers use, English words included. Keep replies to one or two short sentences.",
       "opening_message": "नमस्ते, शर्मा डेंटल क्लिनिक में आपका स्वागत है। बताइए, मैं आपकी क्या मदद करूँ?",
       "voice": {
         "stt": { "model": "sarvam/saaras-v3-realtime", "language": "hi-IN" },
         "llm": { "model": "sarvam/sarvam-105b" },
         "tts": { "model": "sarvam/bulbul-v3", "voice": "priya" }
       }
     }'

   रिस्पॉन्स से मिला id HINDI_AGENT_ID के रूप में रखें। जो भाषा या आवाज़ इंजन नहीं देता, वह एजेंट बनाते समय ही रिजेक्ट हो जाती है, और एरर में सही विकल्पों की लिस्ट होती है।

3. 03मलयालम एजेंट बनाएँ

   वही ढाँचा, दोनों जगह ml-IN और मलयालम में शुरुआती लाइन के साथ:

   shellकॉपी करें

   curl https://api.voice.wixzel.com/v1/agents \
     -H "Authorization: Bearer $WIXZEL_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
       "name": "Malayalam reception",
       "language": "ml-IN",
       "system_prompt": "You answer the phone for a dental clinic in Kochi, in Malayalam. Speak the everyday Malayalam callers use, English words included. Keep replies to one or two short sentences.",
       "opening_message": "നമസ്കാരം, കൊച്ചി ഡെന്റൽ ക്ലിനിക്കിലേക്ക് സ്വാഗതം. ഞാൻ എങ്ങനെ സഹായിക്കാം?",
       "voice": {
         "stt": { "model": "sarvam/saaras-v3-realtime", "language": "ml-IN" },
         "llm": { "model": "sarvam/sarvam-105b" },
         "tts": { "model": "sarvam/bulbul-v3", "voice": "kavya" }
       }
     }'

   यह id MALAYALAM_AGENT_ID के रूप में रखें। एक एजेंट एक ही भाषा बोलता है: sarvam इंजन में भाषा अपने-आप पहचानने का कोई मोड नहीं है, इसलिए दोनों तरह के कॉलर के लिए इनकमिंग कॉल में हर भाषा का अलग नंबर चाहिए, और आउटगोइंग में हर कॉल के लिए एजेंट चुनना होता है।

4. 04कॉल अंदर रूट करें, या बाहर कॉल करें

   इनकमिंग कॉल के लिए किसी नंबर को हिंदी एजेंट दें, या मलयालम एजेंट से किसी को कॉल करें:

   shellकॉपी करें

   # Inbound: calls to this number reach the Hindi agent
   jq -n --arg agent "$HINDI_AGENT_ID" '{inbound_agent_id: $agent}' |
     curl -X PATCH https://api.voice.wixzel.com/v1/phone-numbers/$NUMBER_ID \
       -H "Authorization: Bearer $WIXZEL_API_KEY" \
       -H "Content-Type: application/json" \
       -d @-
   
   # Outbound: the Malayalam agent rings $TO (E.164, for example +91 and ten digits)
   jq -n --arg to "$TO" --arg agent "$MALAYALAM_AGENT_ID" --arg from "$NUMBER_ID" \
     '{to: $to, agent_id: $agent, from_number_id: $from}' |
     curl https://api.voice.wixzel.com/v1/calls \
       -H "Authorization: Bearer $WIXZEL_API_KEY" \
       -H "Idempotency-Key: $(uuidgen)" \
       -H "Content-Type: application/json" \
       -d @-

   POST /v1/calls पर Idempotency-Key ज़रूरी है: उसी की के साथ दोबारा कोशिश करने पर दो बार डायल होने के बजाय पहली कॉल ही लौटती है।

5. 05वैसे टेस्ट करें जैसे आपके कॉलर सच में बोलते हैं

   ज़्यादातर कॉलर हिंदी या मलयालम में अंग्रेज़ी मिलाते हैं: तारीखें, नंबर, ब्रांड के नाम, और "appointment" और "cancel" जैसे शब्द। Sarvam के मॉडल, अपनी क्षमता के भीतर, Hinglish जैसी कोड-मिक्स्ड बोली संभाल लेते हैं, इसलिए निर्देशों में इसे मना करने के बजाय इसकी अनुमति दें।

   एजेंट उस कॉलर के साथ नहीं चल सकता जो पूरी तरह किसी दूसरी भारतीय भाषा में बोलने लगे, क्योंकि कॉल शुरू होते ही पहचान voice.stt.language पर तय हो जाती है। लाइव ट्रैफ़िक रूट करने से पहले असली बोलचाल के साथ कुछ कॉल करें, और GET /v1/calls/{id} से ट्रांसक्रिप्ट में पढ़ें कि क्या सुना गया।

Wixzel Voice पर इस बिल्ड की लागत कितनी है?

इस बिल्ड पर Wixzel Voice की कौन-सी सीमाएँ लागू होती हैं?

• हर एजेंट की एक भाषा। sarvam इंजन में भाषा अपने-आप पहचानने की सुविधा नहीं है, इसलिए जो कॉलर पूरी तरह दूसरी भाषा में बोलने लगे, एजेंट उसके साथ भाषा नहीं बदलता।
• कॉल के दौरान Sarvam बोली और टेक्स्ट को भारत में प्रोसेस करता है। कॉल लॉग, ट्रांसक्रिप्ट और कोई भी रिकॉर्डिंग भारत में सर्वर पर रखी जाती है।
• Bulbul आवाज़ें सिर्फ़ नाम के साथ आती हैं, जेंडर या लहजे के विवरण के बिना। किसी आवाज़ को सुनकर देखने का मतलब है एक टेस्ट कॉल, जो असली फ़ोन पर घंटी बजाती है और क्रेडिट खर्च करती है।
• भारतीय कैरियर आउटगोइंग कॉलिंग के लिए KYC और अक्सर DLT रजिस्ट्रेशन माँगते हैं। इस वजह से कैरियर जो कॉल रोक देता है, वह कैरियर पर ही फ़ेल होती है, और प्लेटफ़ॉर्म की तरफ़ से इसे ठीक नहीं किया जा सकता।
• डिफ़ॉल्ट रूप से एक अकाउंट पर एक साथ पाँच कॉल लाइव हो सकती हैं, माँगने पर यह सीमा बढ़ाई जाती है।