Перейти к содержимому
Экосистема AI Vibe

Новости

Tara на Nova 2 Sonic: речь в речь, экстракция после звонка

Редакция 18 ноября 2026 г.

Голосовой агент на телефоне стримит речь в speech-to-speech модель AWS, а после звонка парсер кладёт поля в базу данных.

Чем подробнее анкета на сайте о банкротстве, тем чаще люди уходят на середине — а юристам как раз нужны долги, активы, авто и история работы. Stretto собрала голосового агента Tara на Amazon Nova 2 Sonic в Bedrock: одна модель «речь в речь» ведёт интервью и дергает инструменты в разговоре, без цепочки «распознать → ответить текстом → озвучить». По отчёту команды минута такого голоса вышла на 95 % дешевле прежнего решения (on-demand в us-east-1, апрель 2026).

Что происходит на линии

Звонок идёт через Twilio: сырой аудиопоток по WebSocket попадает в voice bridge на Amazon ECS Fargate, перед ним WAF и балансировщик нагрузки. Мост стримит звук в Nova 2 Sonic — распознавание и ответ в одном проходе, плюс tool calling, чтобы заполнять поля анкеты по ходу беседы.

После разговора транскрипт уходит в асинхронную очередь Amazon SQS с dead-letter queue. Anthropic Claude 3 Haiku на том же Bedrock вытаскивает имена, суммы, адреса и детали машин в схему Amazon Aurora Serverless v2. Квалифицированные лиды уходят юристам по юрисдикции — тот же расклад, что у текстовых агентов: «живой» диалог во время сессии, тяжёлая разборка структуры уже после.

Почему ушли от старого голосового стека

  • Стоимость: −95 % на минуту относительно предыдущего поставщика.
  • Паузы: у старого решения задержка до первого звука была выше 500 мс; у Nova 2 Sonic в тестах Stretto она заметно ниже.
  • Перебивания: barge-in без обрыва сессии — важно, когда звонящий нервничает и вставляет реплики посреди фразы.

Сначала неделю гоняли голос без кода: спокойный, в стрессе, сомневающийся сценарии, перебивания, смена тона. Сравнительный отчёт стал go/no-go перед интеграцией. Прод подняли за три недели, стартовали с тех же 13 полей, что и веб-форма на Bankruptcy.com.

Когда разговор длиннее лимита стрима

Полный attorney intake занимает 15–20 минут — дольше одной streaming-сессии Nova 2 Sonic. Voice bridge следит за длительностью потока: чуть до лимита открывает новый стрим с тем же system prompt и tools, передаёт историю текстом и бесшовно переключает аудио звонящего — паттерн продления сессии, чтобы человек не заметил стыка.

За следующие четыре недели расширили опрос: больше 18 категорий с ветвлением, машины и недвижимость в связях one-to-many, rules-based сортировка лидов под правила атторнеев.

Источник: How Stretto built an AI voice agent with Amazon Nova 2 Sonic.