Agenți vocali AI Platformă

Dobra rozmowa przechodzi w działanie.

Budujemy agentów, którzy odbierają i inicjują połączenia, korzystają z wiedzy firmy i pracują z Twoimi systemami. Od pierwszego pytania po kompletne zgłoszenie, potwierdzenie albo przekazanie rozmowy człowiekowi.

Explorează Kallina Cum funcționează Vezi un exemplu

Cum funcționează Kallina

Kallina

Od informacji do zrobionej roboty.

Ascultă

Rozumie prośbę w kontekście rozmowy i reguł firmy.

Verifică

Zanim odpowie, sięga do bazy wiedzy i autoryzowanych integracji.

Acționează

Uzupełnia dane, wykonuje dozwoloną akcję albo przekazuje rozmowę człowiekowi.

Gdzie zaczyna być przydatna.

Recepcja i wsparcie

Najczęstsze pytania, przyjmowanie zgłoszeń i oddzwanianie do osób, które o to poprosiły.

Zamówienia i dostawy

Potwierdzenia i koordynacja, na danych z podłączonego systemu zamówień.

Kwalifikacja i umawianie terminów

Zbiera potrzebne szczegóły. Dostęp do kalendarza i samą rezerwację ustalamy osobno przy każdej integracji.

Scenariusze, numer telefonu, języki i dozwolone akcje konfigurujemy dla każdego wdrożenia osobno. Zespół zachowuje możliwość przejęcia rozmowy.

Kallina w szczegółach

Co da się zrobić z tym projektem.

Kallina to platforma, na której budujemy agentów rozmawiających przez telefon i na stronie internetowej. Agent ma spisaną rolę, zatwierdzoną bazę wiedzy, zestaw narzędzi, które wolno mu wywołać, i granicę, za którą oddaje rozmowę człowiekowi. Rozmowa nie kończy się na transkrypcji: połączenie ma czas trwania, koszt w rozbiciu na dostawców, nagranie i analizę — wszystko powiązane z kontem firmy.

Silnik głosowy nie jest jeden. W konfiguracji agenta wybierasz między ElevenLabs Conversational AI, OpenAI Realtime, Gemini Live albo „auto”, gdzie Kallina sama dobiera dostawcę zależnie od języka, obciążenia i dostępności. Osobno wybierasz mózg tekstowy — katalog w kodzie ma 78 pozycji od OpenAI, Google, Anthropic, xAI i ElevenLabs, każda z latencją i kosztem za minutę pokazanymi w interfejsie, żeby wybór był świadomy, a nie zasłyszany.

Telefonię prowadzimy sami, nie wynajmujemy jej od dostawcy głosu. Połączenia idą przez własnego Asteriska, z routingiem po godzinach pracy i strefie czasowej, harmonogramem nocnym (na przykład 22:00 → 06:00) i dopasowaniem po priorytecie: nagłówek SIP Diversion, potem numer Kallina, potem reguła zapasowa. Dla OpenAI Realtime działa mostek AudioSocket, który konwertuje kodek w obie strony, g711_ulaw ↔ PCM16.

Trzej dostawcy głosu plus pozycja „auto”

W `AGENT_PROVIDERS` są cztery opcje: `elevenlabs` (ConvAI), `openai-realtime`, `gemini-live` i `auto`. Dla syntezy mowy w językach innych niż angielski domyślny jest `eleven_flash_v2_5` — 32 języki, około 75 ms latencji; lepszy jakościowo `eleven_turbo_v2_5` kosztuje około 250 ms. Wybór nie jest schowany w kodzie, to pole w konfiguracji agenta.

Katalog modeli z pokazaną latencją i kosztem

78 modeli w `LLM_MODELS`, pogrupowanych w interfejsie po dostawcy, razem ze zmierzoną latencją i kosztem za minutę — od `gpt-5-nano` przy około 806 ms i mniej więcej 0,0004 $/min, po `claude-sonnet-4-6` przy około 1,55 s i mniej więcej 0,0225 $/min. Klient, który pyta „dlaczego odpowiada wolno”, dostaje odpowiedź z liczbami, a nie opinię.

Własna telefonia na Asterisku

Przekierowanie połączeń konfiguruje się po godzinach pracy i strefie czasowej, z obsługą harmonogramu nocnego i dopasowaniem po priorytecie (nagłówek SIP Diversion → numer Kallina → reguła zapasowa). Mostek `openai-realtime-bridge` odpowiada za konwersję AudioSocket między g711_ulaw a PCM16 dla dwukierunkowego strumienia audio.

Osadzenie głosu w jednej linii, bez id agenta na stronie

`<script src="https://app.kallina.info/embed.js" data-widget="WIDGET_ID"></script>`. Strona nigdy nie dowiaduje się, który agent odpowiada, i nie trzyma żadnego klucza dostawcy: prosi Kallinę o sesję, a Kallina zwraca krótkotrwały podpisany URL. Jest też tryb `data-mode="inline"`, w którym osadzenie nie rysuje zupełnie niczego, a strona buduje własny interfejs na API `start()` / `stop()` / `toggle()` / `on(event, fn)`.

Kampanie połączeń wychodzących

Dzwonienie partiami, 1–10 połączeń równocześnie, import kontaktów z CSV, logika ponawiania, podgląd na żywo z pauzą, wznowieniem i zatrzymaniem, plus follow-up SMS-em.

Limbi

Konfiguracja agenta przyjmuje 32 języki (`LANGUAGES`), pełna mapa języków platformy ma 41 pozycji, a panel administracyjny jest przetłumaczony na 20 (`src/i18n/locales`). Rumuński jest językiem domyślnym w `DEFAULT_VALUES`.

Dane i działanie

Co wchodzi do systemu. Co trzeba sprawdzić.

Gdzie leżą dane: PostgreSQL przez Supabase, z Row Level Security i pg_cron; 559 wersjonowanych migracji. Logika serwerowa to funkcje edge w Deno — 472 w repozytorium na dzień weryfikacji.
Co nigdy nie trafia na stronę klienta: Klucz dostawcy głosu i identyfikator agenta. Osadzenie wysyła `POST /functions/v1/widget-voice-session` z `widget_id` — publicznym kluczem z `chat_widget_configs.widget_id`, a nie wewnętrznym id wiersza — a serwer sam prosi ElevenLabs o podpisany URL przez `convai/conversation/get_signed_url` i go zwraca. Stary wariant, który wstawiał `agentId` wprost do HTML-a, omijał Kallinę całkowicie.
Baza wiedzy: Dokumenty wgrane do platformy, zsynchronizowane z RAG-iem ElevenLabs. Na nich zakładamy bariery rozmowy, schematy zbierania danych i kryteria oceny udanego połączenia, definiowane osobno dla każdego agenta.
Zużycie mierzone przed, nie po: Tabela `usage_events` trzyma zużycie w rozbiciu na dostawcę i agenta. Przed każdą płatną akcją funkcja `check-can-use` sprawdza saldo — bramka stoi przed połączeniem, a nie na fakturze na koniec miesiąca.

Od rozpoznania do wdrożenia

Jak przygotowujemy projekt z Kalliną.

Wybieramy jedną ścieżkę i wyznaczamy jej granice

Jeden scenariusz z jasnym wejściem i jasnym wyjściem — odebrane połączenie na recepcji, potwierdzenie zamówienia, kampania wychodząca. Spisujemy wprost, czego agentowi nie wolno i którą drogą oddaje rozmowę człowiekowi.

Podłączamy numer i testujemy w obie strony

Numer wchodzi na trunk SIP naszego Asteriska. Połączenia przychodzące i wychodzące testujemy osobno, bo osobno się psują: ograniczenie operatora na ruchu wychodzącym zostawia przychodzący w idealnym stanie.

Sprawdzamy ścieżkę bez zużywania minut

`scripts/verify-voice-path.mjs` przechodzi dokładnie tę drogę co przeglądarka — wiersz konfiguracji, `get-widget-config`, potem `widget-voice-session` — i zatrzymuje się na podpisanym URL-u, nie otwierając websocketu. Działa na pojedynczym widżecie albo na wszystkich z aktywnym głosem, po 1–3 równolegle, i zwraca kod wyjścia, więc wchodzi wprost do crona.

Pytania, które warto wyjaśnić.

Z jakiego silnika głosowego korzysta, konkretnie?

Wybierasz między ElevenLabs Conversational AI, OpenAI Realtime i Gemini Live, albo zostawiasz „auto” i decyduje Kallina, po języku i dostępności. Dla syntezy mowy w językach innych niż angielski domyślny jest model `eleven_flash_v2_5` — 32 języki, w okolicach 75 ms; jeśli chcesz wyższej jakości i godzisz się na większe opóźnienie, `eleven_turbo_v2_5` to około 250 ms. Głosów OpenAI Realtime jest dziesięć, a ich silnik sięga `gpt-realtime-2.1`.

Jak się to wstawia na stronę?

Jedna linia: `<script src="https://app.kallina.info/embed.js" data-widget="WIDGET_ID"></script>`, ładowana jako zwykły skrypt, nie jako moduł. Plik jest serwowany dzisiaj i ma 13 762 bajty. Jeśli chcesz własnego interfejsu, `data-mode="inline"` nie rysuje nic i zostawia Ci `start()`, `stop()`, `toggle()` oraz zdarzenia `state`, `message`, `error`. Uwaga na hosta: plik leży na `app.kallina.info`, a nie na `kallina.info` — to dwie aplikacje na dwóch różnych serwerach.

Czy zużywają się minuty, gdy odwiedzający odmówi dostępu do mikrofonu?

Nie. Kolejność w `embed.js` jest taka: ładuje SDK, prosi o mikrofon przez `getUserMedia({audio:true})` i dopiero potem wywołuje `widget-voice-session`. Jeśli człowiek odmówi mikrofonu, żądanie sesji w ogóle nie powstaje, więc nie wydaje się żaden podpisany URL i nic się nie zużywa.

Czy może zadzwonić pierwsza, a nie tylko odbierać?

Tak — dzwonienie partiami, 1–10 równocześnie, kontakty z CSV, ponowienia i follow-up SMS-em. Ale połączenia wychodzące zależą od operatora telekomunikacyjnego, nie tylko od nas: w naszym rejestrze problemów jest udokumentowany przypadek, w którym centrala operatora zaczęła zwracać `403 Forbidden` na wszystkich połączeniach wychodzących, przy niezmienionej konfiguracji po naszej stronie i przy poprawnie działających połączeniach przychodzących. Dlatego ruch wychodzący testujemy osobno, zanim obiecamy kampanię.

W ilu językach mówi, a w ilu się ją administruje?

Konfiguracja agenta przyjmuje 32 języki, wewnętrzna mapa języków ma 41 pozycji, a panel administracyjny jest przetłumaczony na 20. Rumuński jest domyślnym językiem nowych agentów.

Czy każda zmiana w kodzie publikuje się automatycznie?

Nie, i warto to wiedzieć przed planowaniem premiery. Workflow GitHub w repozytorium celuje w projekt Supabase Cloud, który został usunięty, więc „push na main = publikacja” przestało być prawdą po przejściu na własną infrastrukturę. Realna publikacja idzie przez SSH, przez skopiowanie plików i restart. Praktyczna konsekwencja: pilna zmiana potrzebuje człowieka, nie samego commita.

Co się dzieje, gdy agent nie zna odpowiedzi?

Przekazanie człowiekowi jest częścią scenariusza, nie wyjątkiem. Każdy agent ma spisane granice i skonfigurowaną na telefonii drogę przekazania; w samej rozmowie są bariery i kryteria oceny, właśnie po to, żeby sprawa spoza roli została zatrzymana, a nie zaimprowizowana.

Przykład poglądowy

Nocne połączenie, które trafia tam, gdzie trzeba

Scenariusz użycia, bez danych klienta i bez przypisanych wyników handlowych.

Sytuacja wyjściowa

Ktoś dzwoni na numer firmy o 23:40, poza godzinami pracy recepcji.

Jak to działa

Asterisk stosuje regułę harmonogramu nocnego (na przykład 22:00 → 06:00) i dopasowuje po priorytecie: nagłówek SIP Diversion, potem numer Kallina, potem reguła zapasowa. Nocny agent odbiera na dostawcy wybranym w konfiguracji, doprecyzowuje prośbę i wywołuje narzędzia, których wolno mu użyć.

Rezultatul

Połączenie zostaje w historii z transkrypcją, nagraniem, czasem trwania i kosztem w rozbiciu na dostawców. To, co wykracza poza rolę agenta, zostaje zatrzymane i przekazane dalej, zamiast być improwizowane.

Ce este necesar:Numărul conectat pe trunkul SIP al Asterisk-ului nostru, apelurile ieșite permise de operator dacă se dorește și sunat înapoi, plus un agent cu prompt, bază de cunoștințe aprobată și limite scrise.

Możliwości współpracy

Kallina w kontekście Twojej organizacji.

Informacja i przyjmowanie zgłoszeń

Obsługa głosowa na zatwierdzonych informacjach, z przekazaniem do operatora i jasnymi regułami nagrywania oraz przechowywania rozmów.

Firmy prywatne

Definiujemy pilotaż wokół realnego procesu: użytkownicy, dane, integracje, koszty i kryteria odbioru. Rozszerzenie przychodzi po ocenie wyniku.

Instytucje publiczne i spółki skarbu państwa

Ustalamy wymagania dotyczące dostępności, hostingu, ochrony danych i interoperacyjności. Każde połączenie z usługami AGE — Agenția de Guvernare Electronică, mołdawskiej agencji e-administracji — albo STISC, państwowej służby IT i cyberbezpieczeństwa, wymaga potwierdzenia uprawnień, dostępu i zgód.

To są scenariusze dopasowania, a nie oświadczenia o istniejących kontraktach czy partnerstwach. Proponowane funkcje potwierdzamy w zakresie prac projektu.

Discută un pilot

Część ekosystemu.

Conversații și suport

aichat

Un asistent conectat la informațiile afacerii tale, în canalele în care îți scriu clienții.

Platformă

Cercetare vocală

Grai

Grai este direcția noastră de cercetare pentru sinteză vocală și modele adaptate limbilor folosite aici.

Cercetare & dezvoltare

Formulare conversaționale

Megaforms

Megaforms explorează colectarea de răspunsuri prin formulare conversaționale, inclusiv răspunsuri vocale și transcriere.

Dezvoltare & demonstrații

Co chciałbyś, żeby działało lepiej?

Opowiedz nam o swoim procesie. Wspólnie ustalimy, co warto zbudować, co da się połączyć i jak sprawdzimy wynik.

Hai să discutăm