Skip to main content
  1. হোম
  2. API
  3. কনভারসেশনাল এআই কী?
আপডেটের তারিখ •API

কনভারসেশনাল এআই কী?

ক্লিফ ওয়েইৎজম্যান

Speechify-এর সিইও ও প্রতিষ্ঠাতা

স্পিচিফাই API: Coval-এ প্রথম অডিও পর্যন্ত 
মিডিয়ান ১০৬ মিলিসেকেন্ড, 
প্রাকৃতিক মানের কণ্ঠস্বরে

Apple২০২৫ অ্যাপল ডিজাইন অ্যাওয়ার্ড
৫ কোটি+ ব্যবহারকারী

কনভারসেশনাল এআই এমন একটি প্রযুক্তি, যা যন্ত্রকে প্রাকৃতিক ভাষা বুঝতে ও তাতে সাড়া দিতে সক্ষম করে—টাইপ করে বা কণ্ঠে। এতে ভাষা বোঝা, ডায়ালগ ম্যানেজমেন্ট এবং ভাষা তৈরি একসঙ্গে কাজ করে; আর কথোপকথনভিত্তিক সিস্টেমে এর সঙ্গে স্পিচ-টু-টেক্সট ও টেক্সট-টু-স্পিচও যুক্ত হয়। এটি এমন চ্যাটবট, ভয়েস অ্যাসিস্ট্যান্ট ও ভয়েস এজেন্ট চালিত করে, যারা শুধু নির্দিষ্ট স্ক্রিপ্ট মেনে চলে না, বরং স্বাভাবিকভাবে কথোপকথন চালাতে পারে।

কনভারসেশনাল এআই কীভাবে কাজ করে

একটি কনভারসেশনাল এআই সিস্টেম সাধারণত এই চক্রে কাজ করে:

  1. বোঝে।
  2. শুধু কথার আক্ষরিক অর্থ নয়, ব্যবহারকারীর আসল উদ্দেশ্যও বুঝে (প্রাকৃতিক ভাষা বোঝা)।
  3. সিদ্ধান্ত নেয়।
  4. কথোপকথনের প্রসঙ্গ ধরে রেখে উপযুক্ত উত্তর বেছে নেয় (ডায়ালগ ম্যানেজমেন্ট, যা এখন প্রায়ই বড় ভাষা মডেল দ্বারা পরিচালিত)।
  5. উত্তর দেয়।
  6. প্রাকৃতিক ভাষায় জবাব তৈরি করে (প্রাকৃতিক ভাষা উৎপাদন)।

ভয়েস সিস্টেমের ক্ষেত্রে এই চক্রের সঙ্গে আরও দুটি ধাপ যুক্ত থাকে: স্পিচ-টু-টেক্সট ব্যবহারকারীর কথা লিখিত রূপে আনে, আর টেক্সট-টু-স্পিচ সেই উত্তরটি উচ্চারণ করে শোনায়। এই দুই ধাপের সঙ্গে কঠোর লেটেন্সি সীমা যুক্ত থাকায়, ভয়েস টেক্সটের তুলনায় বেশি চ্যালেঞ্জিং হয়ে ওঠে。

কনভারসেশনাল এআই-এর প্রধান ধরন

ধরন

চ্যানেল

উদাহরণ

চ্যাটবট

টেক্সট

ওয়েবসাইট সাপোর্ট চ্যাট, ইন-অ্যাপ অ্যাসিস্ট্যান্ট

ভয়েস অ্যাসিস্ট্যান্ট

ভয়েস (ডিভাইস)

স্মার্ট স্পিকার, গাড়ির অ্যাসিস্ট্যান্ট

ভয়েস এজেন্ট

ভয়েস (ফোন)

সাপোর্ট লাইন, বুকিং, সেলস কোয়ালিফিকেশন

স্ক্রিপ্টভিত্তিক পদ্ধতির বদলে এখন এলএলএম ব্যবহারের ফলে পার্থক্য কমছে, তবে চ্যানেলভেদে মূল চ্যালেঞ্জ একই রয়ে গেছে: টেক্সটে কিছুটা লেটেন্সি চললেও, ভয়েসে তা গ্রহণযোগ্য নয়।

ভয়েসের মান কেন গুরুত্বপূর্ণ

ভয়েসভিত্তিক কনভারসেশনাল এআই-এ ব্যবহারকারীরা সবার আগে কণ্ঠস্বরই বিচার করেন। রোবটিক কণ্ঠস্বর—even অত্যাধুনিক এজেন্টকেও—অপরিণত বলে মনে করায়। এ কারণেই টেক্সট-টু-স্পিচ মডেল গুরুত্বপূর্ণ: Simba 3.2 স্বাধীন Artificial Analysis TTS leaderboard–এ (জুলাই ২০২৬) #১ এবং Voice Arena-তে যৌথভাবে ২য় স্থানে রয়েছে।

SpeechifyAI দিয়ে কনভারসেশনাল এআই তৈরি

SpeechifyAI ভয়েস এজেন্ট–এর জন্য একটি API দেয়, যেখানে পুরো চক্র—স্পিচ-টু-টেক্সট, এলএলএম এবং #১-মানের টেক্সট-টু-স্পিচ—অন্তর্ভুক্ত।

  • একক রেট:
  • প্রতি মিনিট $০.০৬৮–$০.০৭৫, অতিরিক্ত কোনো চার্জ নেই।
  • ~৩০০এমএস লেটেন্সি, ৩০+ ভাষা, ১,৫০০+ কণ্ঠস্বর।
  • প্রতি মাসে ৬০ ফ্রি এজেন্ট মিনিট
  • প্রোটোটাইপ তৈরির জন্য।

SpeechifyAI হলো Speechify-এর ডেভেলপার প্ল্যাটফর্ম, যা ভোক্তাদের জন্য তৈরি Speechify অ্যাপ থেকে আলাদা।

সম্পর্কিত গাইড

শুরু করুন

speechify.ai-এ বিনামূল্যে SpeechifyAI API key নিন, সঙ্গে প্রতি মাসে ৬০টি ফ্রি এজেন্ট মিনিট। SDK ইনস্টল করুন pip install speechify-api কিংবা npm install @speechify/api দিয়ে।

স্পিচিফাইয়ের জনপ্রিয় কণ্ঠ দ্রুত, স্কেলযোগ্য ও ডেভেলপার-বান্ধব API-র মাধ্যমে ব্যবহার করুন

API অ্যাক্সেস নিন
Sparse JavaScript keywords import, from, const, await on a white background

এই নিবন্ধটি শেয়ার করুন