https://retellai.com/?utm_source=discord&utm_medium=seo logo
selon les review des utilisateurs, que disent les ...
# ❓・ai-evy-support
s
@AI Evy selon les review des utilisateurs, que disent les utilisateurs des models de speech to speech ?
a
Thanks for tagging me @so16. I'll look through relevant sources and get back to you shortly.
### Answer Based on the information sources, I found one user review specifically mentioning speech-to-text accuracy issues [(1) ]() . Dans un post Discord, un utilisateur (@smandava) a signalé que le modèle de reconnaissance vocale (speech-to-text) avait une précision très faible . L'utilisateur a mentionné que le système confondait "Bye" avec "Hi" et interprétait mal environ la moitié des phrases . D'autres utilisateurs (@alanzoudc et @.teamrick) ont confirmé rencontrer le même problème . Cependant, les sources disponibles ne contiennent pas d'informations détaillées sur les avis des utilisateurs concernant les modèles de speech-to-speech (parole-à-parole) spécifiquement. Les sources discutent principalement des capacités générales de traitement vocal de Retell AI, incluant la reconnaissance vocale (ASR) et la synthèse vocale (TTS) [(2) ]() , mais ne fournissent pas de retours d'utilisateurs sur les performances des modèles speech-to-speech. Si vous souhaitez des informations plus détaillées sur les retours utilisateurs concernant les modèles speech-to-speech, je vous recommande de consulter ces sources potentiellement utiles : - [Speech Processing]() - [Voice AI]() Souhaitez-vous que j'essaie de répondre de manière plus générale en me basant sur mes connaissances ?
​ To learn more, see the sources I considered: [[1] Speech to text has very low accuracy](https://discord.com/channels/1186424376300679209/1278937582532563026) [[2] Speech Processing](https://www.retellai.com/glossary/speech-processing) ​
Feel free to tag @AI Evy with additional questions. I also appreciate feedback, it helps me improve.
s
@AI Evy est ce que les users ont partages leur best prompt practises, chose a ne pas manquer d'ecrire pour plus de clarte
a
Thanks for the follow-up, @so16. I'll get back to you soon.
3. Utiliser Conversation Flow pour les tâches complexes Passez à Conversation Flow plutôt que de tout gérer dans un seul prompt lorsque vous avez : - Plus de 3-4 chemins conditionnels - 5+ fonctions/outils différents - Gestion de multiples variables - Comportement incohérent avec un seul prompt 4. Ressources communautaires La documentation mentionne des [Community Templates]() qui contiennent des exemples et patterns partagés par la communauté Retell . 5. Tester vos prompts [(2) ]() Utilisez le LLM Playground pour tester manuellement ou avec un utilisateur simulé par IA , inspecter les appels d'outils et les transitions .
### Answer Oui, la documentation officielle de Retell AI partage des meilleures pratiques détaillées pour l'écriture de prompts [(1) ]() . ## Pratiques Essentielles pour la Clarté 1. Utiliser des prompts sectionnels Divisez vos grands prompts en sections ciblées pour une meilleure organisation et compréhension par le LLM . Structure recommandée : - Identity : Définissez qui est l'agent et son rôle spécifique - Style Guardrails : Établissez le ton (concis, conversationnel, empathique) - Response Guidelines : Précisez comment formater les réponses (dates parlées, une question à la fois) - Task Instructions : Détaillez les étapes spécifiques à suivre - Objection Handling : Préparez les réponses aux objections courantes 2. Instructions explicites pour l'appel d'outils Les LLM ont souvent du mal à déterminer quand appeler des outils uniquement à partir des descriptions . Définissez des déclencheurs clairs :
Copy code
///## Tool Usage Instructions
1. Gather initial information about the customer's issue.
2. Determine the type of request:
 - If customer mentions "refund" or "money back":
​ To learn more, see the sources I considered: [[1] Prompt Engineering Guide](https://docs.retellai.com/build/prompt-engineering-guide) [[2] Manually test your agent](https://docs.retellai.com/test/llm-playground) ​
Feel free to tag @AI Evy with additional questions. I also appreciate feedback, it helps me improve.
s
@AI Evy que pence tu d'un conversation flow avec beaucoup trop d'etapes, de nodes, ou bien un general prompt trop long, quels repercussions sur les appels, et sur le llm harness ? Qu'appels t'ont trop long ?
a
Thanks for the follow-up, @so16. I'll get back to you soon.
### Answer ## Répercussions des Conversation Flows Trop Complexes et des Prompts Trop Longs ### Impact sur la Latence Un conversation flow avec trop de nœuds ou un prompt général trop long augmente la latence des appels [(1) ]() . La latence end-to-end (le temps entre la fin de parole de l'utilisateur et le début de la réponse de l'IA) doit idéalement rester sous 800ms . Des prompts trop longs ou des flows complexes peuvent dépasser ce seuil critique. ### Problèmes de Performance du LLM Trop de nœuds dans un Conversation Flow : - Augmente la confusion du LLM lors des transitions entre états [(2) ]() - Provoque une High Node Transition Inaccuracy où l'agent passe au mauvais état conversationnel - Crée des conditions de transition ambiguës ou qui se chevauchent Prompts trop longs : - Augmentent le temps de traitement du LLM [(1) ]() - Réduisent la capacité du LLM à suivre les instructions précises [(2) ]() - Peuvent causer des hallucinations (fabrication d'informations incorrectes) ### Problèmes avec Trop d'Outils Empiler trop d'outils sur un seul nœud subagent crée des problèmes [(3) ]() . Plus le LLM a de choix d'outils, plus il risque de choisir le mauvais . Il est recommandé de les répartir sur plusieurs nœuds subagent . ### Quand un Flow est "Trop Long" Un conversation flow devient trop complexe lorsque [(4) ]() : - Il contient plus de 3-4 chemins conditionnels - Il gère 5+ fonctions/outils différents - Il nécessite la gestion de multiples variables ### Solutions Recomman
dées Pour les flows complexes : - Clarifier les conditions de transition dans les prompts de nœuds [(2) ]() - Ajouter des exemples démontrant le comportement correct des transitions - Éviter les conditions qui se chevauchent entre nœuds Pour les prompts longs : - Diviser les instructions complexes en étapes plus simples - Utiliser des nœuds de conversation flow avec des prompts focalisés Pour l'optimisation de la latence : - Choisir des modèles plus rapides si l'inférence LLM est le goulot d'étranglement - Optimiser les endpoints d'outils ou réduire la taille des réponses si les appels d'outils sont lents
Feel free to tag @AI Evy with additional questions. I also appreciate feedback, it helps me improve.