Eğitimin Amacı ve Kapsamı
Ses kanalı, yazılı sohbetten tamamen farklı mühendislik zorlukları barındırır: arka plan gürültüsü, kurum/ürün isimlerinin yanlış anlaşılması, sayı ve kısaltmaların yanlış telaffuzu ve saniyenin üzerindeki gecikmelerin diyaloğu bozması. Bu eğitim, kurumsal sesli yapay zeka boru hatlarının (STT → LLM → TTS) tasarımını ve optimizasyonunu öğretir.
Katılımcılar Türkçe ve çok dilli ses tanıma (Whisper, Deepgram), doğal ses sentezi (ElevenLabs, Cartesia, Azure/Google TTS), özel kelime dağarcığı (keyterm boosting) ve SIP/WebRTC ses akışlarını uygulayarak çalışan bir sesli uygulama ve gecikme/kalite ölçüm planı geliştirir.
Kimler Katılmalı?
- Sesli bot, IVR ve çağrı analitiği geliştiren yazılım ve yapay zeka mühendisleri
- İletişim merkezi altyapısı ve ses entegrasyonu (SIP/WebRTC) uzmanları
- Sesli ürün deneyimi geliştiren teknik ekipler
- Ön koşul: Python veya Node.js ve temel API/ses kavramları
Kazanımlar
- Streaming STT, LLM ve streaming TTS bileşenlerinden oluşan uçtan uca ses boru hattı kurmak
- Kurum/marka isimleri, rakamlar ve Türkçe ekler için STT doğruluk optimizasyonu yapmak
- TTS tarafında doğal tonlama, SSML/telaffuz sözlüğü ve cümle bazlı ses akışı sağlamak
- Telefon santrali (SIP/PSTN, Twilio, LiveKit, Pipecat) ile ses akışını entegre etmek
- Word Error Rate (WER), doğal ses kalitesi ve uçtan uca gecikmeyi ölçmek
Konular
Sesli Yapay Zeka Mimarisi ve Ses Temelleri
- Kademeli (STT → LLM → TTS) boru hattı vs native ses modelleri
- Örnekleme hızı (8kHz telefon vs 16/24kHz web), kodekler ve gürültü bastırma
Speech-to-Text (STT) ve Türkçe Optimizasyonu
- Whisper, Deepgram ve bulut STT modellerinin akış (streaming) ve batch kullanımı
- Keyterm boosting, özel isim/kod tanıma ve konuşmacı ayrıştırma (diarization)
Ses İçin LLM Yanıt Üretimi ve Metin Normalizasyonu
- Konuşma diline uygun kısa, liste içermeyen ve akıcı yanıt üretimi
- Tarih, tutar, IBAN, kısaltma ve telefon numaralarının okunuş normalizasyonu
Text-to-Speech (TTS) ve Akıcı Ses Sentezi
- ElevenLabs, Cartesia ve kurumsal TTS motorlarında streaming sentez
- Telaffuz sözlükleri (phoneme/alias), hız/duygu kontrolü ve kurumsal ses güvenliği
Telefon Entegrasyonu ve Kalite Ölçümü
- Pipecat / LiveKit ve SIP trunk ile çağrı akışı kurulumu
- WER, MOS ve aşama bazlı latency ölçüm planı
Bu Kategorideki Diğer Eğitimler
-
Ses, görüntü ve ekran paylaşımıyla anlık etkileşime giren gerçek zamanlı yapay zeka asistanları: çift yönlü akış, söz kesme (barge-in), canlı kamera/ekran bağlamı, anlık araç çağırma ve kesintisiz oturum yönetimi.
- Canlı Kurs
- 5 modül
-
Ekran görüntüsü algılama, koordinat tahmini ve klavye/fare eylemleriyle masaüstü ve tarayıcı ortamlarını kullanan computer use sistemleri: Claude Computer Use, OpenAI CUA, sandbox sanal makineler ve güvenli yürütme.
- Canlı Kurs
- 5 modül
-
API sunmayan web portalleri ve kurumsal ekranlarda görev yürüten arayüz agent'ları: Playwright, Stagehand ve Browserbase ile DOM + görsel algılama (Set-of-Marks), oturum yönetimi ve dayanıklı web otomasyonu.
- Canlı Kurs
- 5 modül
-
Sesli, çok modlu ve arayüz kullanan agent'larda kullanıcı kontrolü ve onay deneyimi: eylem önizleme, kademeli yetki, canlı devralma (takeover), geri alma (undo) ve güvenli arayüz kalıpları.
- Canlı Kurs
- 5 modül
-
Sesli, çok modlu ve arayüz kullanan agent'ları canlıya almadan önce deneyim, güven ve güvenlik açısından test etme: kullanıcı güven kalibrasyonu, adversarial senaryolar, hayal kırıklığı sinyalleri ve kabul kriterleri.
- Canlı Kurs
- 5 modül
-
Görsel, ses ve metin temsil uzaylarını birleştiren multimodal model mimarileri: ViT/SigLIP ve ses encoder'ları, cross-modal projeksiyon/füzyon katmanları ve açık ağırlıklı VLM'lerin (Qwen-VL, Llama, Pixtral) LoRA ile fine-tuning'i.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
