Transcript
00:00:00Vous venez de créer un agent vocal IA, ça fonctionne, puis la facture arrive et vous payez pour le LLM, le
00:00:05la voix, l'appel téléphonique et en plus des frais de plateforme. Et ce n'est même pas le pire.
00:00:10Le pire, c'est que vous ne possédez même pas vraiment le système. Aujourd'hui, je vais vous montrer Dogra
00:00:16une alternative open source à Vapi que vous pouvez auto-héberger, inspecter et contrôler.
00:00:26L'IA vocale semble aujourd'hui assez simple de l'extérieur : prendre un appel, convertir la parole en texte,
00:00:33l'envoyer au LLM, retransformer la réponse en parole, c'est fait, c'est facile, non ? Eh bien, comme nous le savons tous
00:00:39ceux qui ont essayé, ce n'est pas vraiment le cas car les vrais appels sont désordonnés. Les gens vous interrompent, restent silencieux, ils
00:00:46vont changer de sujet, ils peuvent poser des questions très bizarres. Votre agent doit appeler des API et quand
00:00:53ça tombe en panne, vous devez savoir pourquoi. C'est là que la plupart des projets d'IA vocale deviennent un casse-tête. Un agent vocal
00:00:59n'est pas juste ChatGPT avec un numéro de téléphone. C'est un système en direct avec beaucoup d'éléments mobiles, n'est-ce pas ?
00:01:06La conversion parole-texte, le LLM, la synthèse vocale, l'état, les appels d'outils, une tonne d'autres choses. Vous voyez, il y a
00:01:12beaucoup d'éléments mobiles que nous ne voyons pas vraiment fonctionner. Et quand l'appel échoue, que le bot a donné une
00:01:17mauvaise réponse, ce n'est pas suffisant. Était-ce le prompt ? Était-ce le modèle ? Qu'est-ce que c'était ? Pourquoi a-t-il échoué ? Et c'est
00:01:23là que Dogra intervient. Si vous aimez les outils de codage qui accélèrent votre flux de travail, assurez-vous de vous abonner, nous avons
00:01:29des vidéos qui sortent tout le temps. Très bien, regardons cela en pratique. Je vais commencer localement
00:01:34car si un outil dit qu'il est conçu pour les développeurs, je veux voir Docker avant tout. C'était super facile
00:01:39à lancer. Je vais le cloner depuis GitHub, je vais naviguer dans le dossier, puis je n'ai qu'à
00:01:44exécuter docker compose up, c'est assez simple, assez facile pour nous. Une fois que les conteneurs sont lancés, nous
00:01:50pouvons accéder à l'interface utilisateur de Dogra. Maintenant, je vais créer un simple agent de qualification de leads. Qu'est-ce que je veux dire par là ?
00:01:57Quelqu'un va appeler, l'agent demande ce qu'il veut construire, puis il pose des questions sur l'entreprise,
00:02:03la taille, le budget, des petites choses comme ça. Il appellera ensuite un outil API pour créer ou mettre à jour un lead CRM si
00:02:11nous l'intégrons, et peut-être que je pourrais même dire si le lead était qualifié, il transfère vers un humain. Donc j'ajoute un
00:02:18nœud de prompt, puis une étape de qualification, puis un appel d'outil API, et ensuite je peux ajouter une branche et un transfert.
00:02:28Il n'y a pas encore de code d'orchestration personnalisé, et c'est un peu le but ici.
00:02:32Cela ressemble à un canevas no-code, mais pour les développeurs, et la valeur n'est pas le no-code, la valeur est de ne pas gaspiller
00:02:39de code à essayer de tout relier. Maintenant, essayons de faire un test d'appel ici. Bonjour, c'est Sarah de
00:02:46Inbound Calls, vous êtes toujours là ? Nous cherchons un agent téléphonique IA pour les demandes de démo entrantes. C'est
00:02:55super, je peux certainement vous aider avec cela. Pour m'assurer de vous connecter avec la bonne solution, pourriez-vous
00:03:00m'en dire un peu plus sur ce que vous cherchez à accomplir avec un agent téléphonique IA pour vos demandes
00:03:05de démo entrantes ? Disons environ 20 000 minutes. Merci de partager cela. Et quelle est la taille de votre entreprise
00:03:11et votre secteur d'activité ? Maintenant, nous pouvons voir la transcription ici, nous pouvons voir le suivi, nous pouvons voir l'appel d'outil
00:03:18qui s'est réellement produit et nous pouvons voir les changements d'état. De plus, voici l'enregistrement que je voulais en
00:03:24premier lieu. Et c'est ce que je veux en tant que développeur, pas juste que le bot a fonctionné, je veux savoir pourquoi il a fonctionné.
00:03:31Quand il échoue, je veux la preuve de ce qui s'est réellement passé. Alors, qu'est-ce que Dogra ? Dogra semble nous donner
00:03:37trois choses différentes. Avec tout cela, nous obtenons un agent vocal, un générateur de flux de travail visuel dans la couche de plateforme
00:03:44que vous devez généralement construire vous-même. Le moteur vocal est la partie qui connecte l'appelant, le fournisseur
00:03:50téléphonique, la conversion parole-texte, le LLM et la synthèse vocale. C'est ce qui fait que l'appel a vraiment lieu. Le
00:03:57générateur de flux de travail est l'endroit où vous concevez la logique de tout ce système. Donc, au lieu de coder en dur chaque
00:04:03prompt, branche, appel API et transfert, vous pouvez cartographier le flux visuellement. C'est donc une énorme victoire, j'aime ce genre
00:04:09de cartes. Poser cette question, attendre la réponse, c'est un peu ce que nous cartographions ici. Je peux appeler cet
00:04:15API, brancher ici, transférer là, ce genre de logique devrait être facile à changer. Ensuite, à tout cela, il y a
00:04:21la couche de plateforme : tests, traçage, enregistrements, analytique. C'est le travail ennuyeux dont chaque projet vocal sérieux
00:04:28a besoin. Avec tout cela, vous pouvez apporter vos propres fournisseurs, votre propre LLM et votre propre synthèse vocale
00:04:34parce que Dogra est open source, vous pouvez inspecter le code, changer son fonctionnement et l'auto-héberger. Au moment de cet enregistrement,
00:04:41les étoiles GitHub sont peu nombreuses, donc c'est une trouvaille super récente que j'ai découverte, mais c'est honnêtement assez cool.
00:04:47Maintenant, comparons Dogra à d'autres choses que nous avons déjà ici. Vous avez trois manières principales de construire
00:04:51des agents vocaux. La première est les plateformes hébergées, Vapi, Bland, Retell. Celles-ci sont bonnes quand vous voulez aller vite et
00:04:58que vous ne voulez pas gérer l'infrastructure. Vous obtenez des tableaux de bord propres, des API, des outils de test de transcription, tout cela est
00:05:04vraiment utile, mais vous commencez à perdre le contrôle, n'est-ce pas ? Si la plateforme change ses tarifs, vous gérez
00:05:10cela, si la plateforme change ses limites, vous gérez cela, n'est-ce pas ? Si vous avez besoin d'un déploiement personnalisé, quoi que ce soit de ce genre,
00:05:17encore une fois, vous pourriez vous heurter à un mur. Les outils hébergés sont rapides cependant, donc j'imagine que c'est une victoire. Vous avez certains de ces
00:05:23frameworks bruts comme euh, je suis tombé sur Pipecap ou code, LiveKit je pense en fait partie,
00:05:30ceux-ci vous donnent beaucoup plus de contrôle, vous pouvez presque tout construire, mais maintenant vous construisez tout
00:05:36autour de ce framework, sans éditeur de flux de travail. Donc c'est un gros compromis d'utiliser des choses comme ça.
00:05:42Maintenant, Dogra est encore bien trop nouveau, mais il est là, et je pense que leur pari est assez simple : et si vous pouviez
00:05:49utiliser un générateur d'agent vocal visuel sans renoncer à l'auto-hébergement, au choix du fournisseur, au traçage et
00:05:56au contrôle ? C'est ce que cela semble être. Écrivez du code là où le code compte, utilisez le générateur là où votre flux
00:06:02compte, inspectez l'exécution quand les choses cassent, et échangez les fournisseurs quand les coûts changent. L'auto-hébergement nous donne
00:06:09beaucoup de contrôle, ce qui est énorme. Vapi, Bland, Retell sont les meilleurs pour un déploiement hébergé rapide, mais le compromis
00:06:16est le verrouillage des coûts et moins de contrôle. Si vous aimez les outils de codage comme celui-ci, assurez-vous de vous abonner à la chaîne Better
00:06:22Stack. Nous nous reverrons dans une autre vidéo.
Community Posts
No posts yet. Be the first to write about this video!
Write about this video