Microsoft, Foundry platformunda gerçek zamanlı sesli etkileşimler kurabilen yeni ajanları public preview olarak kullanıma açtı. Microsoft Foundry sesli ajanları, GPT Realtime, Azure Realtime ve MAI modelleriyle çalışırken 80’den fazla dil ile 140’tan fazla yerel ayarı destekliyor. Kurumlar yeni ajanları web uygulamaları, Microsoft Teams, Teams Phone ve Twilio tabanlı telefon sistemlerinde kullanabilecek.
Microsoft Foundry Sesli Ajanları Platformun Yerleşik Bir Parçası Oluyor
Microsoft, Foundry Agent Service üzerinde geliştirdiği yeni yapıyla sesli etkileşimi ayrı bir konuşma katmanı olmaktan çıkarıyor. Platform, geliştiricilerin metin tabanlı ajanlarda kullandığı API, SDK, araç, kurumsal veri ve yönetişim yapılarını gerçek zamanlı ses deneyimlerine de taşıyor.
Foundry Agent Service sesli ajanları, prompt tabanlı ajanların yanı sıra hosted agent yapısıyla da çalışabiliyor. Geliştiriciler ajanları aynı platform üzerinden oluşturabiliyor, dağıtabiliyor, izleyebiliyor, değerlendirebiliyor ve performanslarını optimize edebiliyor.
Gerçek zamanlı konuşma altyapısı, kullanıcının sözünü kesmesi veya konuşmaya yeniden başlaması gibi doğal diyalog davranışlarını da destekliyor. Sistem, konuşma sırasındaki geçişleri yöneterek klasik soru-cevap akışından daha etkileşimli bir kullanıcı deneyimi oluşturmayı hedefliyor.
Microsoft’un yeni ses altyapısı, GPT Realtime ve Azure Realtime modellerinin yanı sıra şirketin MAI ailesindeki modelleri de destekliyor. Kurumlar ayrıca kendi modellerini platforma dahil ederek belirli kullanım senaryolarına yönelik konuşma deneyimleri oluşturabiliyor.
Gerçek zamanlı sesli yapay zekâ ajanları, 80’den fazla dil ve 140’tan fazla locale desteği sayesinde çok uluslu kurumların farklı pazarlardaki kullanıcılarla konuşmalı etkileşimler kurmasına hizmet ediyor. Geliştiriciler, sektöre özgü konuşma modelleri kullanarak belirli terminolojilere ve iş süreçlerine göre ses deneyimini uyarlayabiliyor.
Kurumsal uygulamalar, özel sesler ile fotoğraf veya video tabanlı avatarlarla da zenginleştirilebiliyor. Microsoft, bu özelliklerin müşteri hizmetleri, çalışan destek sistemleri ve telefon üzerinden yürütülen otomasyon süreçleri gibi farklı senaryolarda kullanılabileceğini belirtiyor.
Microsoft Foundry voice agents, hazırlanan uygulamaların farklı iletişim kanallarına aktarılmasını destekliyor. Geliştiriciler ajanları web uygulamalarına ekleyebilirken Microsoft Teams ve Teams Phone üzerinden de çalışan deneyimleri oluşturabiliyor.
Twilio entegrasyonu ise sesli ajanların gelen ve giden telefon görüşmelerinde kullanılmasına kapı açıyor. Böylece kurumlar, yalnızca web tabanlı sohbet ekranlarına bağlı kalmadan telefon görüşmelerini de yapay zekâ destekli iş akışlarına dahil edebiliyor.
Kurumsal sesli AI ajanları için gözlemlenebilirlik özellikleri de platformun yeni kapsamına ekleniyor. Microsoft, iz kayıtları, konuşma dökümleri, performans takibi ve değerlendirme araçlarının sesli görüşmelere özel olarak kullanılacağını belirtiyor.
Foundry Agent Service içinde daha önce tanımlanan araçlar, kurumsal veriler ve yönetişim politikaları da yeni sesli ajanların çalışma yapısına dahil edilebiliyor. Bu yaklaşım, kurumların farklı ajan türleri için ayrı güvenlik ve yönetim katmanları oluşturma ihtiyacını azaltmayı amaçlıyor.
Microsoft’un duyurusu, Google’ın Gemini Live tarafında yaptığı son geliştirmelerin ardından geldi. Google, Gemini 3.8 Live ile Live Avatar teknolojisini bir araya getirerek kullanıcıyı dinleyebilen, görebilen, konuşabilen ve animasyonlu bir karakter olarak karşısına çıkabilen ajanlar üzerinde çalışıyor.
Google’ın sistemi, tek bir konuşma sırasında 97 dil arasında geçiş yapabiliyor. Gemini 3.8 Live, dil değişimi sırasında konuşma biçimini, dudak senkronizasyonunu ve yüz ifadelerini de yeni dile göre uyarlıyor.
Google ayrıca asenkron araç çağrılarını destekliyor. Ajan, kullanıcıyla konuşmayı sürdürürken arka planda bir görevi çalıştırabiliyor ve işlem tamamlandığında konuşma akışına geri dönebiliyor.
Microsoft’un Foundry yaklaşımı ise ses yeteneklerini mevcut kurumsal ajan altyapısına bağlamasıyla öne çıkıyor. Şirket, geliştiricilerin yeni bir platform öğrenmek yerine Foundry içindeki mevcut API, SDK, veri, araç ve yönetişim yapılarını kullanarak sesli uygulamalar geliştirmesine odaklanıyor.
