Демо показывает, как агент звучит. Эта страница - о том, что стоит за звонком: из чего собран оператор, какие есть варианты поставки, что нужно решить до цены и сколько стоит каждая часть.
Отдельной «модели оператора», которую можно передать файлом, не существует. Это цепочка из нескольких частей, и каждая работает в реальном времени.
Принимает звонок и передаёт звук в обе стороны: SIP-транк, Asterisk или ваша АТС.
Звонок на ваш номер приходит через оператора связи и попадает в Asterisk, который отдаёт аудиопоток агенту.
Превращает голос звонящего в текст, пока он ещё говорит.
«Здравствуйте, у меня клопы в двушке» становится текстом раньше, чем человек закончил фразу.
Языковая модель решает, что сказать: по сценарию, вашим ценам и правилам.
Знает прайс, задаёт по одному вопросу, не даёт скидок, которых нет, и возвращает разговор к записи.
Озвучивает ответ голосом оператора, с паузами, вздохами и интонацией.
Первые звуки ответа начинают играть, пока модель ещё дописывает конец фразы.
Записывает результат туда, где с ним работают: CRM, календарь, таблица, мессенджер.
После звонка в CRM появляется карточка: имя, телефон, запрос, дата визита, названная цена, итог.
Над этой цепочкой работает управление разговором: определить, что человек договорил, не перебить его на «угу», замолчать, когда перебивают, и заполнить паузу, если ответ задерживается. В демо всё это настроено, и именно это отличает живой разговор от автоответчика.
Человек ждёт ответа на паузе примерно в секунду. Вот как эта секунда распределилась на реальном звонке в наше демо.
Замер с демо-звонка 9 октября 2026 года, облачные модели. Для локальной установки эту разбивку нужно получить заново на ваших моделях и вашем железе: именно она решает, будет ли разговор живым.
Вопрос «облако или своё» решает почти всё остальное: срок, бюджет, железо и то, насколько голос будет похож на демо.
Как в демо: модели у провайдеров, вы платите за минуты разговора.
Когда важны скорость запуска и качество голоса, а записи звонков у провайдера допустимы.
Телефония, управление разговором, интеграции и данные у вас, модели вызываются по API.
Когда данные должны оставаться у вас, но доступ к внешним моделям из контура разрешён.
Вся цепочка на ваших серверах, без обращений наружу.
Когда наружу не может уходить ничего, и под это готовы бюджет на железо и время на проверку.
Цена и срок появляются после спецификации. Без неё в процессе вылезает тысяча и одна хотелка. Вот вопросы, на которые нужны ответы, с примерами.
Где работает решение?
Определяет вариант поставки, железо и половину бюджета.
«Всё на наших серверах, наружу ничего» или «у нас, но облачные модели по API допустимы».
Только озвучка или полноценный разговор?
Синтез готового текста и оператор, который слушает, понимает и ведёт разговор, - разные по сложности системы.
«Зачитывать статус заказа по номеру» или «принимать заявку и отвечать на вопросы».
Какие задачи выполняет оператор?
Каждый сценарий - это промпт, знания, проверки и тесты. Без примеров не оценить объём.
«Принять заявку на дезинсекцию, назвать цену из прайса, записать на время и перевести на человека, если клиент спорит».
Сколько одновременных звонков?
От пиковой нагрузки зависят железо или стоимость облака.
«В обычный день до 10, в пике до 30, ночью 1-2».
С чем соединяем?
Граница работ: что подключаете вы, а что делаем мы.
«У нас Asterisk, отдаём SIP-транк, интеграцию с CRM делаем сами по вашему API».
Какое железо есть?
Для локального варианта: подбираем модели под ваше железо или железо под нужное качество.
«Есть стойка в ЦОД, GPU нет, бюджет на закупку согласуем».
Как принимаем результат?
Без критериев приёмки любая доработка становится спором.
«Десять согласованных сценариев проходят на нашей реальной линии, медианный ответ не дольше 1,5 секунды, перебивание работает».
Слово «оператор» скрывает очень разный объём. Два примера на одной и той же линии.
Выясняет, кто звонит и зачем, отвечает на типовые вопросы, записывает или переводит на человека с уже собранным контекстом.
АгентСлужба «ДомЧист», здравствуйте! Слушаю вас.
ЗвонящийУ нас тараканы, хочу узнать цену.
АгентАга, понимаю. Это квартира? Сколько комнат?
ЗвонящийДвушка.
АгентДля двушки обработка стоит четыре с половиной тысячи. Записать вас на завтра?
Один-два сценария, прайс, правила перевода на человека. Интеграция - запись в CRM.
Работает с возражениями, предлагает альтернативы, проверяет наличие и слоты, оформляет заказ в ваших системах и подтверждает его.
ЗвонящийДорого. У конкурентов дешевле.
АгентПонимаю. У нас гарантия год и повторная обработка бесплатно. Если клопов немного, можно дешевле - холодным туманом.
ЗвонящийЛадно, давайте на субботу.
АгентТак, гляну мастеров... суббота, одиннадцать утра свободно. Оформляю.
Скрипты возражений, доступ к расписанию и остаткам в реальном времени, создание заказа через API, проверки перед подтверждением. Заметно больше тестов.
Если вся цепочка должна работать у вас, её нужно обеспечить вычислениями. Варианты зависят от нагрузки и модели. Базовый ориентир для 20-30 одновременных разговоров - вариант 2, с него мы бы начали проверку.
Варианты железа для покупки
| Конфигурация | Разговоров одновременно* | Сервер целиком | Когда подходит |
|---|---|---|---|
| 1. Пилот: 1 × L40S 48 ГБ или 1 × RTX PRO 6000 96 ГБ | 5-10 / 10-20 | $20-35k | Пилот, один отдел, проверка гипотезы |
| 2. База: 2 × L40S, 32 ядра, 256 ГБ, NVMe 2 ТБ | 20-30 | $35-50k | Рабочая нагрузка с компактной моделью на 7-14 млрд параметров |
| 3. База с запасом: 2 × RTX PRO 6000 96 ГБ | 30-50 | $45-60k | Модель покрупнее (30-70 млрд) или рост нагрузки в том же корпусе |
| 4. Большой: 4 × L40S или 4 × H200 NVL | 50-100+ | $55-75k / $160-200k | Большая модель, 50+ звонков, несколько площадок на одном кластере |
| 5. Бюджетно, б/у: A100 80 ГБ | 15-25 / 2 GPU | $8-12k / GPU | Жёсткий бюджет; без FP8, гарантия короткая или её нет |
Аренда: 2 × L40S у провайдеров
| Провайдер | За GPU в час | 2 GPU в месяц | Примечание |
|---|---|---|---|
| Vast.ai | ≥ $0.54 | ≈ $790 | Маркетплейс частных хостов, наличие плавает |
| Runpod | $0.79 / $1.09 | ≈ $1,150 / $1,590 | Community / Secure Cloud |
| Scaleway | €1.47 | ≈ €2,150 | Готовая конфигурация на 2 GPU, только Париж |
| Nebius | ≥ $1.55 | ≈ $2,260 | Конфигурации собираются по vCPU |
| OVHcloud | $1.80 | ≈ $2,630 | Готовая конфигурация на 2 GPU, Европа |
| AWS (g6e) | $1.86 | ≈ $2,720 | Нет размера на 2 GPU: два инстанса по одной или один на 4 (≈ $7 660) |
| CoreWeave | $2.25 | ≈ $13,140 | Только узлы по 8 GPU |
| Immers.cloud | — | ≈ 321 000 ₽ (2 × A100) | Данные в РФ. L40S нет, ближайшее с открытой ценой - A100 80 ГБ |
| Selectel, Yandex Cloud, Cloud.ru, Timeweb, MTS Cloud | — | — | Данные в РФ. L40S публично не предлагают; RTX 6000 Ada, A6000, A100, H100 - цена по запросу |
| Lambda, Google Cloud, Azure, Hetzner | — | — | L40S нет; у Google, Azure и Hetzner вместо него RTX PRO 6000 |
* Число разговоров - допущение, а не замер: оно зависит от размера модели, распознавания и синтеза и проверяется нагрузочным тестом. Цены проверены 9 октября 2026 года, без НДС; железо и память дорожали весь 2026 год. В России цены на GPU в 1,5-2 раза выше и обычно под заказ, срок 40-60 рабочих дней.
Голос, который чисто звучит в браузере, проходит через мобильную сеть со сжатием. Если звонок идёт через два мобильных плеча, звук деградирует дважды. Мы проверили это на модели линии: AMR-NB на каждом плече и G.711 между ними.
Модель линии - приближение. Окончательно качество проверяется звонками через вашу реальную цепочку, и это входит в приёмку.
Послушать в демо с режимом «Два плеча» →Критерии фиксируются до начала работ, чтобы «готово» значило одно и то же для обеих сторон.
Если мы берём на себя весь виртуальный колл-центр: Asterisk, телефонию, ИИ-оператора, интеграцию и запуск.
Это ориентир, а не прайс. Точную сумму называем после фиксации объёма: оператор, который квалифицирует и переводит, и оператор, который продаёт и оформляет заказ, стоят по-разному.
Самые частые вопросы, когда смотрят на таблицу выше и хочется сэкономить. Коротко: для одного-двух звонков в тестовом режиме хватит многого. Для 20-30 одновременных разговоров с ответом за секунду - нет.
У неё 24-32 ГБ памяти. В одну карту должны поместиться модель ответа, распознавание и синтез, и ещё память на каждый идущий разговор. На 20-30 параллельных звонков её не хватает, и ответы начинают ждать в очереди. Кроме того, лицензия драйверов NVIDIA запрещает ставить игровые карты GeForce в дата-центр, у них нет памяти с коррекцией ошибок (ECC), а охлаждение не рассчитано на работу 24/7 в серверной стойке. Для прототипа на один-два звонка такая карта годится, для продакшена - нет.
Языковая модель на процессоре пишет ответ секундами на фразу. Распознавание и синтез в реальном времени для десятков потоков тоже упираются в процессор. Бюджет на ответ - около секунды, из которых на модель приходится полсекунды. На процессорах он не укладывается даже при одном звонке.
Для пилота на несколько звонков - возможно, это вариант 1 из таблицы, только слабее. Проблема в пиках: когда пять человек договорили одновременно, их ответы встают в очередь, и вместо секунды получается три-пять. T4 к тому же не поддерживает современные форматы вычислений и заметно медленнее. Такую карту стоит брать, только если пиковая нагрузка - пара звонков.
Одну модель такой компьютер запускает неплохо, и для разработки это удобно. Но он рассчитан на один поток: десятки параллельных разговоров он обслуживает плохо, потому что не умеет эффективно объединять запросы в пакеты, как серверные GPU. Плюс нет серверного управления, резервирования и привычной эксплуатации в стойке.
Маленькая модель влезет, но хуже держит сценарий: путает цены, уходит от темы, соглашается на скидки, которых нет, хуже говорит по-русски. Мы видели это на тестах даже между облачными моделями одного уровня: одна отвечала коротко и по правилам, другая той же скорости скатывалась в монологи. Размер модели - это компромисс между качеством разговора и железом, и проверять его нужно на ваших сценариях.
Звонки приходят пачками: утром, после рассылки, в обед. Задержка растёт не плавно, а резко, как только запросов становится больше, чем карта успевает обработать. Сервер, рассчитанный на среднюю нагрузку, в пике отвечает по три секунды, и именно в пике звонят больше всего людей.
Да, и это правильный путь. Сначала аренда и нагрузочные тесты, потом вариант 1 под пилот. Архитектура позволяет разнести распознавание, синтез и модель ответа по разным серверам, так что расширение - это добавление железа, а не переделка системы.
Сначала послушайте агента. Если такой порядок бюджета подходит, следующий шаг - описать первую поставку и зафиксировать, что должно работать при приёмке.
Сколько стоит: от 7 900 ₽ в месяц · Какие исходящие звонки делает агент?
