top of page

Stretto AI 语音代理采用 Amazon Nova 2 Sonic

1天前
讀畢需時 13 分鐘
Illustrative photograph. Photo: Kampus Production / Pexels.

Stretto 以 AI 电话访谈员 Tara 取代破产案件接待网页表单,并称线索转化率相对提升 20%。Stretto AI 语音代理使用 Amazon Nova 2 Sonic 通过对话收集财务信息。律师保留最终决策权,从而在自动化接待与专业判断之间划出界限。

这份发布于 2026 年 11 月 18 日的案例研究介绍了其与 AWS Generative AI Innovation Center 及技术合作伙伴 CI&T 的合作。其核心比较是对话式接待与网页表单,而非让 AI 系统与律师竞争。Stretto 希望在不要求访客完成日益繁琐的表单的前提下,获得更完整的线索信息。

因此,Tara 既是企业工作流的案例,也是语音模型的案例。所报告的收益取决于能否收集可用信息、保留更正内容,并在之后应用明确规则。有说服力的语音能够启动流程;可靠的记录和可追责的决策,决定了这一流程是否值得更广泛采用。

Stretto AI 语音代理改变了线索所包含的信息

潜在的业务问题始于联系信息与律师可评估信息之间的差异。简短表单可以确认用户意向,但会留下大量尚未完成的接待工作。较长的表单要求提供更多细节,同时也将更多工作交给已经承受财务压力的人。

Stretto 的替代方案是将这些提问放入电话对话中。Tara 收集来电者的财务状况信息,再将形成的记录传入独立的资格评估流程。这一变化既涉及交互界面,也涉及后续可获得信息的深度。

其商业主张是获得更有价值的接待记录,而非在未改变的表单上增加语音界面。

根据这份破产案件接待案例研究,系统会在对话结束后应用由律师定义的规则。律师作出最终决定。这种分工很重要,因为对话回答、结构化财务记录和专业评估服务于不同目的。

设想一名来电者谈及车辆、就业和未偿债务。这些回答需要建立关联:某笔付款对应哪辆车,或某项收入来源对应哪条就业记录。包含每一句口头表达的转录文本,并不会自动提供这种结构。

对话也会带来表单有时可通过固定字段避免的模糊性。来电者可以更正金额、拒绝回答问题,或按预期顺序之外的方式说明情况。系统必须保留这些区别,而不能将每一项口头陈述都视为最终答案。

因此,Tara 语音代理面临的是高要求的信息收集任务。它既需要足够灵活,让来电者能够解释自身情况;也需要足够严谨,生成下游流程可用的记录。仅有愉快的对话,无法解决原有的业务问题。

所报告的转化改善使这一变化值得研究,但并不能证明转化率为何上升。语音呈现方式、问题排序、信息丰富度和资格评估的变化都可能影响结果。公开说明并未分离它们各自的贡献。

该报告还描述了大约三个月的生产环境使用经验,而非宣布于 11 月 18 日发布一款新模型。发布与部署是不同事件。读者应将该报告理解为对既有应用的早期运营记录。

对企业买家而言,这一区分提高了该案例的参考价值。已经部署的接待系统能够为特定工作流提供证据,即使结果仍由公司自行报告。与笼统宣称来电者更偏好 AI 而非表单相比,这是一项更窄、更具实践意义的主张。

直接压力落在那些线索漏斗止步于基础联系信息收集的组织身上。Tara 向这些团队提出了一个具体问题:从最初产生兴趣到完成接待之间,究竟流失了多少有价值的信息?

网页表单如今面临不同的经济性比较

网页表单有一个明显优势:用户无需维持实时对话即可输入信息。当所需记录变得复杂时,其局限性会更明显。每增加一个问题,都会要求访客理解、整理并提供另一条信息。

语音将部分组织负担转移到应用程序中。来电者可以说明情况,而系统负责问题顺序和追问。这样的体验是否更轻松,取决于对话本身、来电者偏好以及所请求信息的敏感性。

相关的比较是获取一份可用记录的成本,其中包括初次联系后发生的工作。

这一衡量超出了运行表单或处理一分钟音频的费用。它还包括放弃尝试、不完整记录、更正工作和专业审核。如果之后仍需有人重建信息,即使一次交互成本更低,也可能造成昂贵结果。

Stretto 称,与其此前的语音解决方案相比,每分钟语音成本降低了 95%。该比较采用美国东部区域 2026 年 4 月的定价。这是两个语音实现方案之间的特定时间比较,并不能证明 Tara 的整个运营成本降低了 95%。

这一区别也避免了与网页表单作出误导性比较。成本结果针对的是此前的语音解决方案;转化结果针对的是基于表单的接待体验。这些基线回答的是不同问题,应当保持区分。

评估该方法的买家需要同时关注两项指标。较低的语音处理成本可以让更长的对话变得可负担,而更高的转化率可以提升每次完成交互的价值。若未将实施、监督和下游处理纳入考量,任何一项数字都无法证明完整回报。

Stretto AI 语音代理也改变了接收方律师需要完成的工作。一份更丰富的记录应能在初步沟通前提供更多背景信息。不过,接收者仍需确信信息准确反映了来电者实际所说的内容。

这既给接待服务商带来压力,也给内部产品团队带来压力。一段吸引人的演示会展示对话顺利进行。可信的生产环境方案必须说明:当信息相互冲突、提取失败,或接收专业人士质疑某个字段时,会发生什么。

这正是网页表单仍然是严肃参照对象的原因。其刚性可能令用户受挫,但同样的刚性也使单个字段和必填答案易于检查。语音必须从限制较少的交互中恢复出相当的清晰度。

对于知识工作者而言,更广泛的关联并不陌生:采集的信息只有在日后仍可使用时才有价值。一个可搜索的知识库解决的是相关的组织问题,尽管敏感接待业务会带来不同的访问和审核要求。

其含义是具体的,而非普遍的。处理复杂初步访谈的组织如今多了一种可评估的交互界面。在改变整个漏斗前,它们仍需要证据证明对话式收集能够改善自身的完成率和记录质量。

Nova 2 Sonic 处理语音,其他系统构建记录

Amazon Nova 2 Sonic 是一种语音到语音模型,这意味着它在同一模型内接收语音输入并生成语音回复。这不同于连接独立的转录、文本生成和语音生成组件。这一架构选择会影响对话如何在聆听和回复之间切换。

Stretto 通过 Twilio 将来电者接入语音桥接应用,该应用在电话连接和模型之间传递音频。该桥接应用运行在 Amazon ECS 与 AWS Fargate 上,这些服务负责管理和运行应用容器。Amazon Bedrock 提供对模型的托管访问。

Twilio 的双向音频流支持接收通话音频,并将生成的音频回传至通话中。WebSocket 是一种持久化的双向网络连接,承载这一交换过程。它建立了实时通信路径,而无需让电话服务承担整个接待工作流的责任。

统一的语音模型简化了对话路径,而周边应用仍掌控业务流程。

来电者挂断后,这种分离会更加清晰。Anthropic 的文本模型 Claude 3 Haiku 会从转录文本中提取结构化字段。托管关系型数据库 Amazon Aurora 将生成的信息存储为具有明确关系的记录。

因此,该架构针对不同任务使用不同模型。Nova 2 Sonic 支持实时交互;Claude 负责通话后的信息提取。随后,律师定义的规则支持线索分类,而律师仍保留最终决策权。

这种划分让评估者能够从多个不同环节调查错误。误解口头报出的金额,与正确转录金额却被分配到错误字段,是不同的问题。依据不适当规则评估正确字段,则会形成又一个完全不同的问题。

将所有这些失败都视为“AI 出错了”,会掩盖有价值的运营细节。语音、提取、存储和资格评估阶段需要分别审查。一个阶段的改进并不保证整个工作流都会改进。

长时间对话带来了另一层边界。完整接待可能需要 15–20 分钟,而 AWS 记录显示,单个流连接的时限为八分钟。其语音会话文档介绍了续接和延续支持。

Stretto 使用会话延续技术,将对话上下文传递给替换后的模型连接。因此,来电者访谈可延续至单个流连接的生命周期之外。在这一边界上维持上下文,成为应用程序责任的一部分。

这很重要,因为记住先前的更正属于功能要求,而不仅仅是对话便利。长时间访谈中丢失上下文,可能导致重复提问或记录不一致。一个在连接切换前听起来流畅的系统,在切换后仍需接受测试。

OpenAI 通过其语音代理架构提供了相关比较,其中包括集成式语音模型和链式处理方法。这些选项说明,企业团队面临的架构选择不止于挑选一种语音。Stretto 的说明并不能证明其相较 OpenAI 的性能排名。

有价值的竞争问题关乎控制力与工作负载适配性。团队必须决定,哪些环节需要实时响应、可检查的中间信息和独立的业务逻辑。Tara 展示了在基于 AWS 的应用中对这些责任的一种分配方式。

Nova 2 Sonic 的接听架构也揭示了以模型为中心的采购方式存在一个重要局限:选择语音模型之后,围绕对话连贯性、记录创建和决策边界,仍有大量设计工作要做。这些组件决定了一通电话能否成为可靠的运营记录。

敏感对话使中断处理成为质量要求

破产接听访谈会要求人们谈论财务困境。系统必须收集信息,同时允许犹豫、更正和拒答。这一背景改变了语音质量的含义:听起来自然固然有用,但前提是应用程序也能恰当地处理不确定性。

Stretto 的描述涵盖了针对敏感对话的验证,包括打断以及来电者改变答案的情形。插话(Barge-in),即在智能体说话时打断它的能力,尤为相关。来电者需要一种切实可行的方式,在访谈继续推进前制止错误的假设。

最严格的测试是:当对话不再遵循预期路径时,系统是否仍能保留来电者原本的意思。

这不仅要求识别中断。应用程序还需要区分更正与补充事实,以及拒答与遗漏回答。否则,看似成功的对话可能生成不准确的记录。

同意与披露处理构成了另一道边界。根据案例研究,Tara 会在接听流程继续前完成披露并收集同意。这些步骤属于工作流本身,而非可选的开场说明。

披露过程中被打断,就说明了其中的难点。恢复对话只是任务的一部分。系统还需要有可靠依据来判断,所需的披露和同意流程是否已经完成。

公开说明描述了测试和控制措施,但并未证明其具有普遍的法律合规性。已发布的架构无法回答关于部署、司法管辖区、数据处理或专业义务的所有问题。采购方需要评估自身情况,而不能把客户案例当作认证。

AWS 的模型服务卡同样建议进行针对具体用例的评估。它将周边应用基础设施和业务逻辑的责任归于客户。这一指导意见支持以审慎态度解读 Tara 的结果。

对情绪适应也应保持类似谨慎。模型可以根据语音调整表达方式,但这并不意味着它能够可靠理解来电者的心理状态。安抚性的语气不应被视为系统理解了每一项事实,或恰当处理了每一位脆弱来电者的证据。

Tara 语音智能体还需要对其处理所收集信息的方式设定边界。报道中的设计将最终决定保留给律师,并单独应用明确的资格判定规则。这些控制措施缩小了模型自由裁量的范围,但并不能免除对输入这些规则的信息进行审查的必要性。

错误输入仍可能影响原本一致的分类流程。最终由人工掌握权力很重要,但其有效性取决于审核人员能够看到并纠正什么。律师的存在不应成为衡量上游错误的替代品。

对于构建类似系统的团队而言,这些是运营问题,而非对自动化的抽象反对。来电者能否更正记录?审核人员能否识别不确定的回答?组织能否解释某条线索为何获得特定分类?

从这些边界来审视,Stretto AI 语音智能体最具参考价值。其意义在于为对话、提取、规则和专业判断分配不同责任。更广泛的部署将检验:在更多样化的现实条件下,这些边界是否仍然可靠。

所报告的收益仍留下重要的衡量问题

Stretto 的核心结果是:与其网页表单相比,线索转化率相对提高了 20%。这里“相对”很关键:该数字描述的是相对于此前转化率的增长,而非增加 20 个百分点。案例研究没有提供足够细节来计算绝对变化。

该公司还报告称,在其测试中,结构化字段提取准确率约为 96%。已完成通话的平均时长约为八分钟。这些数字描述的是系统的不同方面,不应合并为一项关于整体准确率的主张。

这些结果支持进一步评估,但并未建立语音接听的受控基准。

提取准确率衡量的是将对话内容转换为字段的效果。它并不自动衡量来电者陈述的真实性、资格判定规则的适当性,或律师最终评估的质量。这些结果需要不同的证据。

提取错误的分布也很重要。错误的次要细节与错误的、会带来财务后果的字段,可能产生不同的下游影响。汇总准确率数字并不能显示,错误是否集中在审核人员认为最重要的信息中。

公开说明没有提供详细的逐字段错误明细。它也未说明样本量、测试构成以及不同来电者群体之间的表现。这些遗漏限制了与另一套接听系统进行比较的可能性,即使报告的平均值仍具有内部参考价值。

通话时长同样需要谨慎解读。八分钟这一数字针对的是已完成通话,而完整接听流程可能需要 15–20 分钟。这两种说法未必矛盾,因为已完成对话的平均时长与完整访谈可能达到的长度描述的是不同事物。

不过,已完成通话时长这一指标排除了未成功尝试。评估者还需要了解放弃率和部分完成情况。只有在同时提供足够信息且完成结果可接受的情况下,较短的平均时长才具有鼓舞意义。

转化也存在相关的归因问题。团队描述的是一个不断演进的工作流,而非仅改变语音模型的实验。在没有受控比较的情况下,读者无法将报告中的提升完全归因于 Nova 2 Sonic。

对每分钟语音成本降低 95% 的说法同样应保持谨慎。它涉及此前的语音解决方案和特定的定价快照,并不能证明在电话服务、数据存储、工程、审核,或交付合格线索的完整成本方面也能获得同等节省。

该说明也来自部署参与者,包括 Stretto 和 CI&T 的贡献者。他们的接触渠道使架构描述具有价值;但他们的参与意味着商业结果应继续保留归属,而不应被表述为经独立审计的结论。

这些局限都不意味着这个案例缺乏信息价值。早期生产证据可以为更大范围的试点和更详细的衡量提供理由。它只是支持一个比“自动化语音接听在任何地方都优于表单”更为狭窄的结论。

对企业采购方而言,最有用的下一步问题是:另一个团队能否采用可比定义复现这些收益。转化率、准确率、完成率和成本都需要明确的衡量边界。否则,看似相近的百分比可能描述截然不同的运营结果。

关注扩展、关键错误和完整的线索经济性

下一批有意义的证据应依次涉及部署广度、信息质量和总体运营经济性。这些信号将检验 Tara 的初步结果能否超出案例研究所描述的条件而成立。它们也将帮助采购方区分模型能力与工作流设计。

首先,关注扩展至更多地区后的结果。报告中的转化提升发生在大范围扩展之前。如果在更广泛部署中取得可比结果,将加强对话式接听具有可重复价值的论点。

仅靠扩展只能证明覆盖范围,而非质量。更有力的信号,是将更广泛的可用性与一致的转化定义和完成情况报告结合起来。如果结果恶化,最初的结果仍然相关,但其适用范围将更明确地局限于最初场景。

其次,关注对关键性信息错误更详细的报告。字段级提取结果有助于识别系统在哪些环节需要更正或审核。有关律师修订的信息,则可从另一个角度说明生成记录在实践中究竟有多大用处。

有力的结果将表明:随着对话日益多样化,重要字段仍然可靠。较弱的结果则会显示,有利的汇总数据掩盖了关键信息中的反复错误。无论哪种发现,都比又一个未加区分的准确率百分比更具信息价值。

第三,关注一条可用线索的完整经济性。每分钟语音节省仅说明了其中一部分。采购方还需要了解处理、审核、更正和路由所产生信息所需的工作量。

最有力的证据将运营支出与律师真正能够使用的记录联系起来。若节省在更正工作和监督之后仍然存在,便能支持商业论证;若节省被大量下游劳动抵消,其说服力就会缩小。

Tara 的长期价值取决于:更好的对话能否以可持续的运营成本生成可靠记录。

这些是观察点,而不是已安排的公告或承诺披露。公开说明并未承诺 Stretto 会发布每一项指标。缺少这些信息会使初步主张更难以独立评估,但并不能证明部署已经失败。

Nova 2 Sonic 的接听案例已经提供了一项有用的架构经验:语音自动化是在一个由记录、规则和人工责任构成的更大系统中发挥作用。模型负责一项重要交互,而组织仍须对其周边工作流负责。

这也是网页表单比较仍将保持相关性的原因。即使用户觉得表单繁琐,表单仍为信息收集提供了清晰的基线。当语音改善完整流程,而不仅仅是让开场互动更吸引人时,它才真正赢得自身的位置。

对于考虑采用 Stretto AI 语音智能体方法的团队,应先审视所声称改进背后的证据。询问转化是如何定义的、哪些字段需要更正,以及未完成通话最终如何处理。考察接收方专业人员是否获得了更有用的记录,而不是假设对话流畅性自动带来了这种记录。然后,将完整工作流与现有接听流程进行比较,包括审核和更正所需的工作量。Stretto 的经验为研究语音接听提供了具体理由,尤其是在表单无法收集必要细节时。应将架构与衡量缺口一并阅读,并据此界定自己的评估在更广泛部署前必须证明什么。

 
 

免费开始使用

一款本地优先的AI助手

为了获得更好的人工智能体验,

remio 目前仅支持Windows 10+ (x64)和M-Chip Mac 。

你的 AI 工作伙伴

和 remio 一起高效工作

规划、创作、交付

一站式完成

bottom of page