फिक्सी एक एंटरप्राइज़-ग्रेड वार्तालाप एआई एजेंट प्लेटफ़ॉर्म है जो प्राकृतिक भाषा इंटरैक्शन और एंटरप्राइज़ सिस्टम एकीकरण का समर्थन करते हुए एआई एजेंटों को बनाने, होस्ट करने और तैनात करने के लिए पूर्ण-स्टैक क्षमताएं प्रदान करता है।

फ़िक्सी(अल्ट्रावॉक्स)

फ़िक्सी के मुख्य पैरामीटर और आँकड़े

पैरामीटर्स	डेटा
उत्पाद स्थिति	रीयल-टाइम वॉयस एआई इंफ्रास्ट्रक्चर लेयर + वॉयस नेटिव मल्टी-मोडल लार्ज मॉडल
कोर टेक्नोलॉजी रोडमैप	वॉयस-नेटिव मल्टी-मोडल एलएलएम (एंड-टू-एंड ऑडियो समझ, कोई स्वतंत्र एएसआर चरण नहीं)
नवीनतम मॉडल संस्करण	अल्ट्रावॉक्स v0.7 (2025-12)
बेस एलएलएम	लामा 3.3 70बी/8बी, किसी भी ओपन सोर्स वजन मॉडल के लिए अनुकूलित किया जा सकता है
ओपन सोर्स लाइसेंस	एमआईटी (गिटहब), अपाचे-2.0 और कस्टम (भाग एसडीके)
मॉडल वेट होस्टिंग	हगिंग फेस (फ़िक्सी-एआई संगठन, 24 मॉडल, 37 डेटासेट)
गिटहब स्टार्स	4,500+ (अल्ट्रावॉक्स मुख्य भंडार)
गिटहब फोर्क्स	381
एसडीके भाषा समर्थन	जावास्क्रिप्ट / पायथन / एंड्रॉइड (कोटलिन)
उत्पाद प्रपत्र	होस्टेड एपीआई (अल्ट्रावॉक्स रीयलटाइम प्लेटफ़ॉर्म) + ओपन सोर्स मॉडल वजन
कॉल के लिए समवर्ती सीमा	भुगतान करते ही भुगतान करें 5-तरफ़ा समवर्ती, प्रो के लिए कोई कठोर सीमा नहीं
मूल्य मॉडल	$0.05/मिनट (टीटीएस शामिल), पहले 30 मिनट मुफ़्त
अनुपालन प्रमाणन	एसओसी 2 (डेलवे ट्रस्ट प्लेटफार्म के माध्यम से)

फ़िक्सी ने शुरुआत में एक "संवादात्मक एआई एजेंट प्लेटफ़ॉर्म" के रूप में शुरुआत की और बाद में एक बड़ा रणनीतिक परिवर्तन किया। इसने अपने उत्पाद फोकस को पूरी तरह से रियल-टाइम वॉयस एआई पर स्थानांतरित कर दिया और अल्ट्रावॉक्स वॉयस नेटिव मल्टी-मोडल लार्ज मॉडल और सपोर्टिंग रियल-टाइम वॉयस एजेंट प्लेटफॉर्म लॉन्च किया। मूल फिक्सि.एआई डोमेन अब Ultravox.ai पर पुनर्निर्देशित किया गया है। कंपनी की कानूनी इकाई फिक्सी.एआई बनी हुई है, और इसका उत्पाद ब्रांड अल्ट्रावॉक्स के रूप में एकीकृत है।

फ़िक्सी के उपयोगकर्ता और बाज़ार की पहचान

धीरे-धीरे क्षेत्र में उपयोगकर्ता जागरूकता पैदा करें, और कार्य कुशलता में सुधार के लिए सामग्री निर्माताओं और टीमों द्वारा उत्पाद क्षमताओं का उपयोग किया जाता है। विशिष्ट उपयोगकर्ता पैमाने और उद्योग अपनाने का डेटा आधिकारिक वास्तविक समय पृष्ठ के अधीन है।

फ़िक्सी का लागत लाभ

फिक्सी (अल्ट्रावॉक्स) की लागत संरचना तीन-स्तरीय उपयोगकर्ता मॉडल को कवर करती है, और वास्तविक समय वॉयस एआई ट्रैक में मूल्य निर्धारण रणनीति काफी लागत प्रभावी है।

सी क्लाइंट/व्यक्तिगत डेवलपर परत:

• जैसे ही भुगतान करें योजना: $0/माह, जिसमें 30 मिनट का निःशुल्क कॉल कोटा, अतिरिक्त $0.05/मिनट (टीटीएस शुल्क सहित), 5-तरफ़ा समवर्ती हार्ड सीमा, असीमित खेल का मैदान कॉल शामिल हैं।
• यह आज बाजार में रियल-टाइम स्पीच एआई एपीआई के लिए सबसे कम मुफ्त प्रवेश बाधाओं में से एक है। ओपनएआई रीयलटाइम एपीआई ($0.06/मिनट ऑडियो इनपुट + $0.24/मिनट ऑडियो आउटपुट) की तुलना में, अल्ट्रावॉक्स की $0.05/मिनट की सर्व-समावेशी कीमत में स्पष्ट लागत लाभ है।

एपीआई कॉलिंग परत:

• थ्रेड्स प्राइसिंग (टेक्स्ट/टूल कॉल): $2.00/मिलियन इनपुट टोकन (नॉन-कैश्ड), $15.00/मिलियन आउटपुट टोकन, कैश्ड इनपुट टोकन निःशुल्क हैं।
• एसआईपी ट्रंकिंग: 0.5¢/मिनट (जैसे-जैसे भुगतान करें), 0.48¢/मिनट (प्रो)।
• प्रो योजना $100/माह है, हार्ड समवर्ती सीमा हटाती है, और इसमें 5 कस्टम ध्वनियाँ, 20 आरएजी कॉर्पोरा और एक आउटबाउंड डायल शेड्यूलर शामिल है।

उद्यम/निजी परिनियोजन स्तर:

• एंटरप्राइज़ संस्करण को मांग पर अनुकूलित किया जा सकता है, जिसमें प्राथमिकता एसएलए, संगठनात्मक प्रबंधन समर्थन और सभी फ़ंक्शन अनुकूलन शामिल हैं। कीमत का खुलासा नहीं किया गया है, कृपया पुष्टि के लिए बिक्री टीम से संपर्क करें।
• मॉडल वेट ओपन सोर्स (एमआईटी लाइसेंस) हैं। उद्यम एपीआई शुल्क खर्च किए बिना स्वयं अनुमान तैनात कर सकते हैं, लेकिन उन्हें अपने स्वयं के जीपीयू बुनियादी ढांचे का प्रबंधन करने की आवश्यकता है। एडॉप्टर का प्रशिक्षण 8xH100 पर मध्यम हार्डवेयर सीमा के साथ 2-3 घंटे में पूरा किया जा सकता है।

अंतर्निहित लागत विचार: वॉयस एआई की वास्तविक लागत न केवल एपीआई की इकाई कीमत है, बल्कि इसमें बातचीत की गुणवत्ता (पुनः कार्य/श्रम हस्तांतरण दर), देरी (उपयोगकर्ता अनुभव को प्रभावित करना), और अनुकूलित विकास निवेश भी शामिल है। अल्ट्रावॉक्स का एंड-टू-एंड वॉयस नेटिव आर्किटेक्चर "एएसआर + एलएलएम + टीटीएस" पाइपलाइन समाधान की तुलना में विलंबता में 30-50% कम है, जो अप्रत्यक्ष रूप से विलंबता के कारण उपयोगकर्ता मंथन की लागत को कम करता है।

फ़िक्सी के मुख्य कार्य

• भाषण-मूल अनुमान: अल्ट्रावॉक्स मॉडल एक अलग एएसआर (भाषण से पाठ) चरण से गुजरे बिना सीधे ऑडियो स्पेस में अर्थ संबंधी समझ प्रदान करता है। मल्टी-मोडल प्रोजेक्टर के माध्यम से ऑडियो को सीधे एलएलएम के उच्च-आयामी सिमेंटिक स्पेस में मैप किया जाता है, और मॉडल एक साथ सिमेंटिक कंटेंट और पारिभाषिक संकेतों (इंटोनेशन, लय, भावना) को समझता है, जो पारंपरिक कैस्केड आर्किटेक्चर से एक आवश्यक अंतर है।

• रीयलटाइम वार्तालाप प्रबंधन: दो एक्सेस विधियों के माध्यम से रीयल-टाइम वॉयस संवाद क्षमताएं प्रदान करता है: वेबसॉकेट और रेस्ट एपीआई। प्लेटफ़ॉर्म कॉल जीवन चक्र (स्थापना, रखरखाव, समाप्ति), वार्तालाप स्थिति ट्रैकिंग वीएडी (वॉयस एक्टिविटी डिटेक्शन) और एंडपॉइंट डिटेक्शन (एंडपॉइंटिंग) का प्रबंधन करता है, और डेवलपर्स को अंतर्निहित सिग्नलिंग से निपटने की आवश्यकता नहीं होती है।

• अल्ट्रावीएडी वॉयस एक्टिविटी डिटेक्शन: स्व-विकसित तंत्रिका वीएडी मॉडल (अल्ट्रावीएडी v0.1), बोलने की पूर्णता की संभावना, ठहराव मोड, चिंतनशील ठहराव और मोड़ के अंत के बीच अंतर के आधार पर, अधिक प्राकृतिक संवाद लय नियंत्रण प्राप्त करना, रुकावटों और अजीब चुप्पी को कम करना।

• मल्टी-प्लेटफॉर्म एसडीके और टेलीफोनी एकीकरण: जावास्क्रिप्ट, पायथन, एंड्रॉइड तीन-टर्मिनल एसडीके, मुख्यधारा के दूरसंचार ऑपरेटरों (ट्विलियो, आदि) के साथ अंतर्निहित एकीकरण क्षमताएं प्रदान करता है, और पीएसटीएन कॉल करने और प्राप्त करने के लिए एसआईपी ट्रंक का समर्थन करता है।

• आरएजी नॉलेज बेस एक्सेस: प्रो प्लान 20 कॉर्पोरा तक का समर्थन करता है, और वॉयस एजेंट जटिल व्यावसायिक प्रश्न और उत्तर परिदृश्यों का समर्थन करने के लिए बातचीत के दौरान कॉर्पोरेट नॉलेज बेस सामग्री को पुनः प्राप्त कर सकता है।

• आउटबाउंड कॉल शेड्यूलर: प्रो और उससे ऊपर के प्लान स्वचालित आउटबाउंड कॉल प्रबंधन प्रदान करते हैं, जो ग्राहक रिटर्न विजिट, अपॉइंटमेंट रिमाइंडर, बैच नोटिफिकेशन और अन्य परिदृश्यों के लिए उपयुक्त है।

• प्लेग्राउंड सैंडबॉक्स टेस्टिंग: एक निःशुल्क ऑनलाइन प्लेग्राउंड प्रदान करता है, जो डेवलपर्स को कोड लिखे बिना वॉयस एजेंटों के संवाद प्रभावों का परीक्षण करने की अनुमति देता है, जिससे डिबगिंग लागत कम हो जाती है।

[विशेषज्ञ दृष्टिकोण]: अल्ट्रावॉक्स का मुख्य तालमेल "वॉयस नेटिव मॉडल + प्रबंधित अनुमान प्लेटफॉर्म + टेलीकॉम एकीकरण" की त्रिमूर्ति में निहित है। पारंपरिक समाधानों के विपरीत, जिनके लिए प्रत्येक नोड (एसटीटी मॉडल → एलएलएम → टीटीएस इंजन → टेलीकॉम प्रदाता) के स्वतंत्र चयन की आवश्यकता होती है, अल्ट्रावॉक्स ऑडियो इनपुट से ऑडियो आउटपुट तक पूरी तरह से प्रबंधित लिंक प्रदान करता है, सिस्टम एकीकरण विफलता बिंदुओं को कम करता है और विलंबता अनुकूलन को एक घटक तक सीमित होने के बजाय पूरे स्टैक में निष्पादित करने की अनुमति देता है।

फ़िक्सी का मॉडल और संस्करण विकास

फिक्सी के मॉडल विकास में एक स्पष्ट प्रक्षेपवक्र है, सभी अल्ट्रावॉक्स ब्रांड के तहत जारी किए गए हैं, और प्रत्येक संस्करण ओपन सोर्स वेट प्रदान करता है।

मेनलाइन रिलीज़

संस्करण	दिनांक	बेस मॉडल	मुख्य परिवर्तन
अल्ट्रावॉक्स v0.3	2024-08	प्रारंभिक संस्करण	प्रथम संस्करण सार्वजनिक पूर्वावलोकन, ऑडियो-टू-टेक्स्ट स्ट्रीमिंग तर्क का समर्थन
अल्ट्रावॉक्स v0.4	2024-08	लामा 3	पहला उत्पादन-तैयार संस्करण, 8xH100 पर 2-3 घंटे में 14K चरणों का प्रशिक्षण
अल्ट्रावॉक्स v0.4.1	2024-11	लामा 3	स्थिरता और प्रदर्शन में सुधार
अल्ट्रावॉक्स v0.5	2025-02	लामा 3.2 1बी	हल्के संस्करण, एचएफ डाउनलोड 1.18 मिलियन
अल्ट्रावॉक्स v0.6	2025-06	लामा 3.3 70बी / जेम्मा 3 27बी / क्वेन 3 32बी	बड़े पैमाने पर अनुमान क्षमताओं का समर्थन करने के लिए मल्टी-बेस वेरिएंट
अल्ट्रावॉक्स v0.7	2025-12	जीएलएम-4 6बी	बिग बेंच ऑडियो SOTA (91.8% / 97% सोच के साथ)

उत्पाद प्लेटफ़ॉर्म विकास

• 2023-2024: फिक्सी एक सार्वभौमिक संवादी एआई एजेंट प्लेटफॉर्म के रूप में काम करता है, जो एंटरप्राइज़-स्तरीय एजेंट निर्माण, टूल एकीकरण और मल्टी-चैनल परिनियोजन क्षमताएं प्रदान करता है। इस स्तर पर उत्पाद की स्थिति वर्तमान में बाजार में Dify और Coze जैसे प्लेटफार्मों के समान है।
• 2024-08: वॉयस एआई ट्रैक की ओर मुड़ना, अल्ट्रावॉक्स v0.3 का पूर्वावलोकन संस्करण जारी करना, और अल्ट्रावॉक्स रीयलटाइम एपीआई के लिए आंतरिक परीक्षण एप्लिकेशन खोलना।
• 2025 से वर्तमान तक: उत्पाद का फोकस पूरी तरह से अल्ट्रावॉक्स ब्रांड पर स्थानांतरित हो गया है। मूल फिक्सि.एआई डोमेन नाम को Ultravox.ai पर पुनर्निर्देशित किया गया था, और मूल संवाद एजेंट प्लेटफ़ॉर्म के संबंधित कार्य धीरे-धीरे फीके हो गए थे। कंपनी वर्तमान में अपने मुख्य उत्पाद वितरण फॉर्म के रूप में अल्ट्रावॉक्स रियलटाइम प्लेटफ़ॉर्म का उपयोग करती है।

फ़िक्सी के तकनीकी लाभ

आर्किटेक्चर डिज़ाइन: वॉयस नेटिव मल्टी-मोडल एलएलएम

अल्ट्रावॉक्स की मुख्य प्रौद्योगिकी पसंद ऑडियो को द्वितीयक घटक के बजाय पहले इनपुट मोडैलिटी के रूप में उपयोग करना है। मॉडल आर्किटेक्चर है: ऑडियो एनकोडर → मल्टी-मोडल प्रोजेक्टर (एडेप्टर) → पूर्व-प्रशिक्षित एलएलएम (फ्रोज़न) → टेक्स्ट टोकन आउटपुट। यह डिज़ाइन तीन प्रमुख प्रभाव लाता है:

1. कैस्केडिंग देरी को खत्म करें: पारंपरिक वॉयस एआई सिस्टम को "वॉयस एक्टिविटी डिटेक्शन → एएसआर रिकग्निशन → एलएलएम अनुमान → टीटीएस सिंथेसिस" की चार-चरण पाइपलाइन से गुजरना पड़ता है, प्रत्येक चरण में सैकड़ों मिलीसेकंड की देरी होती है। अल्ट्रावॉक्स का एंड-टू-एंड आर्किटेक्चर कैस्केड समाधानों की तुलना में पहले शब्द (टीटीएफटी) के लिए काफी कम विलंबता के साथ ऑडियो को सीधे सिमेंटिक स्पेस में मैप करता है।
2. भाषाई जानकारी को संरक्षित करें: पाठ रूपांतरण प्रक्रिया में स्वर-भंग, तनाव, बोलने की गति, ठहराव आदि जैसे पारभाषाई संकेत खो जाते हैं, और अल्ट्रावॉक्स इस जानकारी को सीधे ऑडियो प्रतिनिधित्व में संसाधित करता है, जिससे मॉडल को उपयोगकर्ता की भावनाओं और निहितार्थ को समझने की अनुमति मिलती है।
3. लचीला आधार अनुकूलन: एडेटर आर्किटेक्चर अल्ट्रावॉक्स को एकल मॉडल पारिस्थितिकी तंत्र से बंधे बिना किसी भी ओपन सोर्स भारित एलएलएम (लामा, मिस्ट्रल, जेम्मा, क्वेन, जीएलएम) तक पहुंचने की अनुमति देता है। 1बी से 70बी तक पैरामीटर आकार को कवर करते हुए 6 बेस वेरिएंट जारी किए गए हैं।

प्रशिक्षण दक्षता: प्रशिक्षण के दौरान केवल एडॉप्टर परत को अद्यतन किया जाता है, एलएलएम और ऑडियो एनकोडर जमे रहते हैं। v0.4 को 8xH100 पर 14K चरणों के लिए प्रशिक्षित होने में केवल 2-3 घंटे लगते हैं। इस कम प्रशिक्षण लागत का मतलब है कि कंपनियां किफायती बजट पर भाषण मॉडल को बेहतर बनाने के लिए अपने स्वयं के डेटा का उपयोग कर सकती हैं।

अनुमान अवसंरचना: अल्ट्रावॉक्स अपना स्वयं का अनुमान स्टैक बनाता है और बाहरी एलएलएम प्रदाताओं या साझा अनुमान पूल पर भरोसा नहीं करता है, जिससे नियंत्रणीय विलंबता सुनिश्चित होती है और कोई कतारबद्ध घबराहट नहीं होती है। प्लेटफ़ॉर्म 5 से असीमित समवर्ती कॉलों का समर्थन करता है, और पूरी तरह से प्रबंधित आर्किटेक्चर संचालन और रखरखाव के बोझ को समाप्त करता है।

मुख्य मूल्यांकन लाभ: बिग बेंच ऑडियो उद्योग-मान्यता प्राप्त भाषण एआई मूल्यांकन बेंचमार्क है, और अल्ट्रावॉक्स v0.7 के 91.8% (अनुमान के बिना) और 97% (अनुमान के साथ) दोनों उद्योग में सर्वश्रेष्ठ हैं। GPT-4 रियलटाइम (ओपनएआई का एंड-टू-एंड स्पीच सॉल्यूशन) की तुलना में, अल्ट्रावॉक्स समान या कम विलंबता पर उच्च समझ सटीकता प्राप्त करता है।

फ़िक्सी का उपयोग कैसे करें

फ़िक्सी (अल्ट्रावॉक्स) चार पहुंच स्तर प्रदान करता है, जो प्रयोग से उत्पादन तक का पूरा रास्ता कवर करता है।

प्रवेश	लागू लोग	मुख्य उपयोग	लागत
अल्ट्रावॉक्स रीयलटाइम एपीआई	डेवलपर/आईएसवी	प्रोडक्शन-ग्रेड वॉयस एजेंट एकीकरण	$0.05/मिनट से शुरू
खेल का मैदान (app.ultravox.ai)	गैर-तकनीकी कर्मचारी/उत्पाद मूल्यांकन	संवादी परीक्षण और अनुभव	निःशुल्क (असीमित)
ओपन सोर्स मॉडल वेट (हगिंग फेस)	एमएल इंजीनियर/शोधकर्ता	स्वयं-होस्टेड अनुमान, फाइन-ट्यूनिंग, अकादमिक अनुसंधान	मुफ़्त (एमआईटी लाइसेंस)
एसडीके (जेएस/पायथन/एंड्रॉइड)	फ्रंट-एंड / बैक-एंड / मोबाइल डेवलपर	ग्राहक एकीकरण	मुफ़्त (खुला स्रोत)

सामान्य पहुंच प्रक्रिया:

1. एक खाता पंजीकृत करें: एक खाता बनाने के लिए app.ultravox.ai पर जाएं और स्वचालित रूप से 30 मिनट की मुफ्त कॉलिंग प्राप्त करें।
2. खेल का मैदान परीक्षण: सिस्टम संकेतों को कॉन्फ़िगर करें, ध्वनियों का चयन करें, खेल के मैदान में आरएजी कॉर्पस सेट करें और वास्तविक समय में संवाद प्रभाव का परीक्षण करें।
3. एपीआई कुंजी प्राप्त करें: REST API या WebSocket इंटरफ़ेस प्रमाणीकरण के लिए कंसोल से API कुंजी प्राप्त करें।
4. एसडीके एकीकरण: एप्लिकेशन प्लेटफॉर्म (वेब ​​के लिए जेएस, एंड्रॉइड के लिए बैकएंड कोटलिन के लिए पायथन) के अनुसार संबंधित एसडीके का चयन करें, और पहुंच के लिए आधिकारिक दस्तावेज देखें।
5. टेलीफोनी कॉन्फ़िगर करें (वैकल्पिक): यदि आपको पीएसटीएन कॉलिंग क्षमताओं की आवश्यकता है, तो एक एसआईपी ट्रंक कॉन्फ़िगर करें या ट्विलियो जैसे दूरसंचार प्रदाताओं से कनेक्ट करें।
6. उत्पादन परिनियोजन: उत्पादन के लिए ऑनलाइन जाने के लिए पे-एज़-यू-गो (कम संगामिति) या प्रो (उच्च संगामिति) योजना चुनें।

स्वयं-होस्टेड अनुमान (उन्नत): हगिंग फेस से मॉडल वेट डाउनलोड करें, और अनुमान सेवा शुरू करने के लिए डॉकर छवि या कविता का उपयोग करें। आधिकारिक तौर पर, यह बेसटेन प्लेटफॉर्म के लिए प्रबंधित तैनाती विकल्प प्रदान करता है और कस्टम जीपीयू बुनियादी ढांचे का भी समर्थन करता है।

फ़िक्सी के लिए उत्पाद मूल्य निर्धारण

अल्ट्रावॉक्स एक "उपयोग + सदस्यता" हाइब्रिड मूल्य निर्धारण मॉडल को अपनाता है, और मूल्य निर्धारण पृष्ठ खुला और पारदर्शी है।

बिलिंग आयाम	जाते-जाते भुगतान करें	प्रो (वार्षिक भुगतान)	उद्यम
मासिक शुल्क	$0	$100/माह	कस्टम उद्धरण
कॉल लागत	$0.05/मिनट	$0.05/मिनट	अनुकूलित
एसआईपी ट्रंकिंग	0.5¢/मिनट	0.48¢/मिनट	अनुकूलित
थ्रेड्स इनपुट टोकन	$2.00/मिलियन (गैर-कैश्ड)	$2.00/मिलियन (गैर-कैश्ड)	अनुकूलन
थ्रेड्स आउटपुट टोकन	$15.00/मिलियन	$15.00/मिलियन	अनुकूलन
कैश इनपुट टोकन	मुफ़्त	मुफ़्त	मुफ़्त
निःशुल्क अवधि	30 मिनट	30 मिनट	अनुकूलित
खेल का मैदान कॉल	असीमित	असीमित	असीमित
समवर्ती टोपी	5-रास्ता	कोई सख्त टोपी नहीं	अनुकूलन
कस्टम ध्वनियाँ	1	5	अनुकूलित
आरएजी कॉर्पस	2	20	अनुकूलित
आउटबाउंड कॉल शेड्यूलर	❌	✅	✅
प्राथमिकता एसएलए	❌	❌	✅
संगठन प्रबंधन	❌	❌	✅

मुफ़्त कोटा रणनीति: पहले 30 मिनट पूरी तरह से मुफ़्त हैं (टीटीएस शुल्क सहित), खेल के मैदान में कॉल की संख्या की कोई सीमा नहीं है, और यह अवधारणा के प्रमाण और छोटे ट्रैफ़िक परीक्षण संचालन के लिए उपयुक्त है। प्रतिस्पर्धी उत्पादों की तुलना में, ओपनएआई रीयलटाइम एपीआई मुफ्त कोटा प्रदान नहीं करता है, और जेमिनी लाइव का मूल्य निर्धारण मॉडल एक समान है लेकिन एक अलग पारिस्थितिकी है।

लागत संरचना में कटौती: उदाहरण के तौर पर 1,000 दैनिक कॉल और 3 मिनट की औसत कॉल अवधि के साथ ग्राहक सेवा परिदृश्य को लेते हुए, मासिक कॉल की मात्रा लगभग 90,000 मिनट है, और लागत लगभग $4,500/माह (प्रो सदस्यता शुल्क को छोड़कर) है। समान पैमाने पर पारंपरिक एएसआर + एलएलएम + टीटीएस समाधान का उपयोग करते हुए, केवल एएसआर लागत (डीपग्राम, आदि लगभग $0.0059/मिनट) प्लस एलएलएम अनुमान (लगभग $0.01-0.03/समय) प्लस टीटीएस, कुल लागत लगभग $5,000-8,000/माह है। अल्ट्रावॉक्स की $0.05/मिनट की सर्व-समावेशी कीमत मौजूदा बाजार में प्रतिस्पर्धी है (सार्वजनिक डेटा कटौती, अनौपचारिक प्रतिबद्धता के आधार पर)।

फ़िक्सी एप्लिकेशन परिदृश्य

• ग्राहक सेवा वॉयस एजेंट: उद्यम सामान्य पूछताछ (ऑर्डर स्थिति, रिटर्न और एक्सचेंज, नियुक्ति पुष्टिकरण) को संभालने में मैन्युअल एजेंटों को बदलने या सहायता करने के लिए अल्ट्रावॉक्स को ग्राहक सेवा हॉटलाइन से जोड़ते हैं। वॉइस-नेटिव आर्किटेक्चर का प्राकृतिक इंटरैक्टिव अनुभव "मशीन ग्राहक सेवा" के प्रति उपयोगकर्ताओं के प्रतिरोध को कम करता है। कॉल पूरा होने के बाद, एक सारांश स्वचालित रूप से तैयार किया जा सकता है और सीआरएम को लिखा जा सकता है। सत्यापन के मुख्य बिंदु: पहली बार समाधान दर (एफसीआर) और एकल-चैनल वार्तालापों की मैन्युअल स्थानांतरण दर।

• आउटबाउंड मार्केटिंग और रिटर्न विजिट: ग्राहक रिटर्न विजिट, संतुष्टि सर्वेक्षण और बैचों में नवीनीकरण अनुस्मारक जैसे आउटबाउंड कॉल कार्यों को करने के लिए आउटबाउंड कॉल शेड्यूलर का उपयोग करें। एजेंट बातचीत के आधार पर वास्तविक समय में अपने शब्दों को समायोजित कर सकते हैं और इच्छुक ग्राहकों को मैन्युअल बिक्री में सहजता से स्थानांतरित कर सकते हैं। सत्यापन के मुख्य बिंदु: पारंपरिक एआई आउटबाउंड कॉल समाधानों के साथ कनेक्शन दर, रूपांतरण दर और हैंग-अप दर की तुलना।

• चिकित्सा स्वास्थ्य नियुक्ति और पूर्व-परामर्श: क्लिनिक या अस्पताल नियुक्ति पंजीकरण, पुनर्निर्धारण, परीक्षा अनुस्मारक और अन्य मामलों को संभालने के लिए अल्ट्रावॉक्स से जुड़ते हैं। एजेंट प्राकृतिक संवाद के माध्यम से रोगी के लक्षणों की जानकारी (पूर्व-परामर्श) एकत्र करता है, जिससे चिकित्सा कर्मचारियों का लेन-देन का कार्यभार कम हो जाता है। सत्यापन कुंजी: HIPAA स्तर की डेटा सुरक्षा आवश्यकताओं का अनुपालन।

• आंतरिक कर्मचारी सेवाएँ: बड़े उद्यम आईटी समर्थन, मानव संसाधन परामर्श और यात्रा अनुप्रयोगों जैसे आंतरिक मामलों को संभालने के लिए कर्मचारी हॉटलाइन पर वॉयस एजेंटों को तैनात करते हैं। कर्मचारी भाषण के माध्यम से स्वाभाविक रूप से समस्याओं का वर्णन कर सकते हैं, और एजेंट कार्रवाई करने के लिए बैक-एंड सिस्टम (सर्विस नाउ, वर्कडे, आदि) को कॉल करते हैं। जांचने के लिए मुख्य बिंदु: मौजूदा एसएसओ और एंटरप्राइज सिस्टम के साथ एकीकरण की गहराई।

• आवाज-संचालित एआई शिक्षा साथी: भाषा सीखने, ज्ञान परीक्षण और साक्षात्कार सिमुलेशन जैसे परिदृश्यों में, अल्ट्रावॉक्स की वास्तविक समय की वार्तालाप क्षमताएं शिक्षार्थियों को एक गहन बोलने का अभ्यास अनुभव प्रदान कर सकती हैं, और पारभाषा संबंधी जानकारी को बनाए रखने से उच्चारण और स्वर को सही करना संभव हो जाता है। सत्यापन फोकस: गैर-अंग्रेजी भाषाओं की पहचान सटीकता।

फ़िक्सी लोगों के लिए उपयुक्त है

• वॉयस एआई एप्लीकेशन डेवलपर: स्वतंत्र डेवलपर्स या स्टार्टअप टीमें जिन्हें जल्दी से वॉयस एजेंट बनाने की जरूरत है। अल्ट्रावॉक्स की पूरी तरह से प्रबंधित एपीआई आवाज एआई एकीकरण समय को हफ्तों से घटाकर दिनों में कर देती है। अपनी स्वयं की एएसआर/टीटीएस पाइपलाइन बनाने की आवश्यकता नहीं है, बस एपीआई को कॉल करें और एसडीके को एम्बेड करें। सीमाओं के लिए उपयुक्त नहीं: ऐसे परिदृश्यों में जिनमें एएसआर या टीटीएस मापदंडों के गहन अनुकूलन की आवश्यकता होती है (जैसे विशिष्ट उच्चारण और बोलियों के लिए विशेष अनुकूलन), अल्ट्रावॉक्स पर आधारित होस्टिंग प्लेटफ़ॉर्म स्व-निर्मित समाधान के रूप में उतना लचीला नहीं हो सकता है।

• मध्यम और बड़े उद्यम एआई टीमें: एआई इंफ्रास्ट्रक्चर टीमों वाले उद्यम अल्ट्रावॉक्स को मौजूदा ग्राहक सेवा, विपणन और मानव संसाधन प्रणालियों में वॉयस एआई परत के रूप में एकीकृत कर सकते हैं। प्रो योजना में पैमाने की जरूरतों को पूरा करने के लिए कोई समवर्ती सीमा और उद्यम-स्तरीय एसएलए नहीं है। सीमा के लिए उपयुक्त नहीं: जिन उद्यमों को गैर-अंग्रेजी भाषाओं (विशेष रूप से चीनी, जापानी, अरबी, आदि) में उच्च-सटीक अर्थ संबंधी समझ हासिल करने की आवश्यकता है, उन्हें खरीदारी निर्णय लेने से पहले प्लेग्राउंड के माध्यम से वर्तमान भाषा में अल्ट्रावॉक्स के प्रदर्शन का परीक्षण करने को प्राथमिकता देनी चाहिए।

• एआई अनुसंधान संस्थान और अकादमिक उपयोगकर्ता: अल्ट्रावॉक्स का ओपन सोर्स वेट और एमआईटी लाइसेंस, साथ ही सार्वजनिक प्रशिक्षण कोड (मोज़ेकएमएल / पायटोरच पर आधारित), भाषण मल्टी-मोडल अनुसंधान के लिए एक प्रतिलिपि प्रस्तुत करने योग्य आधार रेखा प्रदान करते हैं। 24 मॉडल और 37 डेटा सेट एक संपूर्ण अनुसंधान पारिस्थितिकी तंत्र का निर्माण करते हैं। अनफिट सीमा: अनुसंधान परिदृश्यों के लिए पूर्ण एंड-टू-एंड भाषण पीढ़ी (ऑडियो आउटपुट) की आवश्यकता होती है - अल्ट्रावॉक्स वर्तमान में केवल टेक्स्ट टोकन आउटपुट करता है, और भाषण संश्लेषण को बाहरी टीटीएस घटकों पर भरोसा करने की आवश्यकता होती है।

• एआई उत्पाद प्रबंधक और निर्णय निर्माता: प्रौद्योगिकी चयन टीम जो वास्तविक समय की वॉयस एआई तकनीक का मूल्यांकन करती है। अल्ट्रावॉक्स विकास लागत के बिना उत्पाद अवधारणाओं को मान्य करने के लिए खेल के मैदान में मुफ्त परीक्षण की पेशकश करता है। पायलट से विस्तार तक चरणबद्ध रूप से अपनाने के लिए पारदर्शी, भुगतान के अनुसार मूल्य निर्धारण। अनुपयुक्त सीमा: अत्यधिक उच्च विलंबता आवश्यकताओं (<200ms एंड-टू-एंड) के साथ वास्तविक समय इंटरैक्शन परिदृश्यों के लिए, सत्यापन के लिए वास्तविक लोड परीक्षण करने की अनुशंसा की जाती है।

सारांश और आउटलुक

फ़िक्सी (अल्ट्रावॉक्स) की मुख्य प्रतिस्पर्धात्मकता वॉयस-नेटिव मल्टी-मोडल आर्किटेक्चर द्वारा लाए गए विलंबता और गुणवत्ता के दोहरे लाभों के साथ-साथ पूरी तरह से प्रबंधित प्लेटफ़ॉर्म की कम एकीकरण जटिलता में निहित है। रीयल-टाइम स्पीच एआई के तेजी से बढ़ते बाजार में, अल्ट्रावॉक्स वर्तमान में कुछ एंड-टू-एंड समाधानों में से एक है जो ओपन सोर्स मॉडल वेट और प्रोडक्शन-ग्रेड प्रबंधित एपीआई दोनों प्रदान करता है। इसका बिग बेंच ऑडियो SOTA स्कोर और ओपन सोर्स इकोसिस्टम (4,500+ स्टार, 24 मॉडल, लाखों डाउनलोड) तकनीकी मार्ग की व्यवहार्यता को सत्यापित करते हैं।

वर्तमान सीमाएँ और अनिश्चितताएँ:

1. उत्पाद परिवर्तन अवधि के दौरान धुंधली स्थिति: एक सामान्य संवाद एजेंट प्लेटफ़ॉर्म से वॉयस एआई-विशिष्ट प्लेटफ़ॉर्म में बदलने की प्रक्रिया में, मूल फ़िक्सी ब्रांड संपत्तियों (दस्तावेज़, मामले, सामुदायिक जागरूकता) और नए ब्रांड अल्ट्रावॉक्स के बीच एक डिस्कनेक्ट है। फिक्सि.एआई से प्रवेश करने के बाद आगंतुक सीधे Ultravox.ai पर पहुंच जाते हैं, और नए उपयोगकर्ता दोनों कंपनियों के बीच संबंध के बारे में भ्रमित हो सकते हैं।
2. केवल टेक्स्ट आउटपुट का समर्थन करता है: वर्तमान मॉडल आउटपुट टेक्स्ट टोकन है, भाषण संश्लेषण को बाहरी टीटीएस पर भरोसा करने की आवश्यकता है, और सही एंड-टू-एंड भाषण आउटपुट (यानी ऑडियो टोकन → ऑडियो डिकोडिंग) अभी तक लागू नहीं किया गया है। आधिकारिक रोडमैप में "स्पीच जेनरेशन कमिंग सून" का उल्लेख है, लेकिन अभी तक कोई विशिष्ट समय सारिणी नहीं है।
3. गैर-अंग्रेजी समर्थन की परिपक्वता: मूल्यांकन डेटा (बिग बेंच ऑडियो) और मॉडल प्रशिक्षण अंग्रेजी पर आधारित हैं, और चीनी और जापानी जैसी गैर-अंग्रेजी भाषाओं के लिए समर्थन की गहराई को सार्वजनिक रूप से सत्यापित नहीं किया गया है। एशियाई बाज़ारों को लक्षित करने वाले व्यवसायों को अतिरिक्त मूल्यांकन की आवश्यकता होती है।
4. ओपन सोर्स रणनीति की व्यावसायिक स्थिरता: ओपन सोर्स मॉडल वेट और कमर्शियल होस्टिंग एपीआई की दो पंक्तियों को बनाए रखते हुए, आपको लंबी अवधि में ओपन सोर्स संस्करण और वाणिज्यिक संस्करण के बीच कार्यात्मक भेदभाव के दबाव का सामना करना पड़ सकता है।

खरीद/गोद लेने का जोखिम मूल्यांकन: उन उद्यमों के लिए जो 2026-2027 में वास्तविक समय की वॉयस एआई क्षमताओं को लॉन्च करने की योजना बना रहे हैं, पहले प्लेग्राउंड के माध्यम से विशिष्ट व्यावसायिक भाषाओं और परिदृश्यों में अल्ट्रावॉक्स के प्रदर्शन को सत्यापित करने की सिफारिश की जाती है। संतुष्टि की पुष्टि करने के बाद, एक छोटे ट्रैफ़िक पायलट (1-3 महीने) के लिए पे-एज़-यू-गो योजना का उपयोग करें, और फिर वास्तविक कॉल गुणवत्ता, विलंब और श्रम हस्तांतरण दर के आधार पर तय करें कि प्रो या एंटरप्राइज़ योजना में अपग्रेड करना है या नहीं। एसएलए शर्तें (विशेष रूप से समवर्ती सीमा, उपलब्धता गारंटी) और डेटा प्रशिक्षण उपयोग नीतियां (चाहे मॉडल माध्यमिक प्रशिक्षण के लिए कॉर्पोरेट कॉल डेटा का उपयोग करेगा) को अनुबंध में स्पष्ट रूप से बताया जाना चाहिए। उन परिदृश्यों के लिए जिनमें एंड-टू-एंड स्पीच आउटपुट (ऑडियो से ऑडियो) की आवश्यकता होती है, स्पीच जेनरेशन फ़ंक्शंस में अल्ट्रावॉक्स की आधिकारिक प्रगति पर ध्यान देने या साथ ही इलेवनलैब्स और कार्टेसिया जैसे शुद्ध टीटीएस समाधानों के पूरक एकीकरण का मूल्यांकन करने की सिफारिश की जाती है।

संबंधित उपकरण: <एक्सलिंक प्रकार='टूल' स्लग='क्रूवाई'>, <एक्सलिंक प्रकार='टूल' स्लग='लैंगचेन'>

फ़िक्सी का उपयोग कैसे करें

• वेब क्लाइंट: आप आधिकारिक वेबसाइट पर जाकर और खाता पंजीकृत करके इसका उपयोग कर सकते हैं। अधिकांश फ़ंक्शनों को इंस्टॉलेशन की आवश्यकता नहीं होती है.
• एपीआई एक्सेस: रेस्टफुल एपीआई प्रदान करता है, डेवलपर्स एपीआई कुंजी प्राप्त कर सकते हैं और इसे अपने स्वयं के अनुप्रयोगों में एकीकृत कर सकते हैं।

संस्करण जानकारी

• स्थिर ：कस्टम एजेंट टूल सेट और गहन तृतीय-पक्ष सिस्टम एकीकरण का समर्थन करता है। अभी तक कोई आधिकारिक सटीक तारीख नहीं है। （~2026-03）
• प्रारंभिक रिहाई ：पहला सार्वजनिक संस्करण संवादी एआई एजेंटों के निर्माण और तैनाती का समर्थन करता है। अभी तक कोई आधिकारिक सटीक तारीख नहीं है। （~2025-04）