Machine Learning

Construcción de bots conversacionales - Interfaces de conversación natural con Amazon Lex y Polly

Aprenda a construir bots conversacionales utilizando Amazon Lex y Amazon Polly.

約 7 分で読めます

Demanda de bots conversacionales y servicios de IA conversacional de AWS

La automatización del soporte al cliente, los help desks internos, los sistemas de reservas y las respuestas a preguntas frecuentes están impulsando la rápida expansión del uso de bots conversacionales. Según las predicciones de Gartner, para 2027 más del 25% del servicio al cliente utilizará chatbots como canal principal. AWS ofrece servicios de IA conversacional centrados en Amazon Lex y Amazon Polly para resolver estos desafíos. Además, Lex está diseñado con integración nativa con Lambda, permitiendo implementar la lógica de negocio del backend de forma serverless. Lex puede construir interfaces conversacionales que admiten tanto texto como voz, y Polly proporciona síntesis de voz natural en más de 30 idiomas. A continuación se muestra un ejemplo de CLI para crear un bot con Lex V2. ```bash aws lexv2-models create-bot \ --bot-name CustomerSupportBot \ --role-arn arn:aws:iam::123456789012:role/LexBotRole \ --data-privacy '{"childDirected":false}' \ --idle-session-ttl-in-seconds 300 \ --region ap-northeast-1 ``` Ambos servicios utilizan facturación por uso, con costo cero durante los períodos sin solicitudes.

Diseño de flujos de diálogo con Amazon Lex

Amazon Lex V2 diseña flujos de diálogo con tres conceptos: intents (intención del usuario), slots (parámetros) y fulfillment (ejecución del procesamiento). Por ejemplo, en un bot de reserva de hotel, se definen slots como fecha de check-in, fecha de check-out, tipo de habitación y número de huéspedes para el intent BookHotel, y cuando todos los slots están completos, una función Lambda ejecuta el procesamiento de la reserva. Lex V2 soporta nativamente diálogos multi-turno, recopilando slots faltantes mediante preguntas secuenciales incluso si el usuario no proporciona toda la información de una vez. Las ramificaciones condicionales y la lógica de validación de slots permiten diseñar flujos de diálogo complejos con un editor visual de flujos. La API de streaming de Lex V2 permite el procesamiento en tiempo real de la entrada de voz, iniciando la respuesta sin esperar a que el usuario termine de hablar. Además, Lex V2 puede gestionar bots en múltiples idiomas con un único recurso de bot, facilitando el soporte multilingüe.

Síntesis de voz natural con Amazon Polly

Amazon Polly es un servicio de texto a voz (TTS) que utiliza tecnología de aprendizaje profundo, ofreciendo más de 100 voces en más de 30 idiomas. El motor Neural TTS genera voces más naturales y similares a las humanas en comparación con el motor Standard convencional. Para japonés, están disponibles las voces Neural Mizuki (femenina) y Takumi (masculina), con soporte para estilo de lectura de noticias. Con SSML (Speech Synthesis Markup Language), puede controlar finamente la salida de voz, incluyendo velocidad de habla, tono, volumen, inserción de pausas y énfasis en palabras específicas. La función de léxico permite personalizar la pronunciación de términos técnicos y nombres propios. Las voces de Polly admiten tanto streaming en tiempo real como síntesis por lotes, con salida en formatos MP3, OGG y PCM. Combinando Lex y Polly, puede construir un sistema de diálogo de voz de extremo a extremo donde Lex comprende la entrada de voz y Polly convierte el texto de respuesta en voz natural. La integración con Amazon Connect (centro de contacto en la nube) también facilita la construcción de sistemas IVR (respuesta de voz interactiva) basados en teléfono. Para un estudio completo de algoritmos de chatbots, consulte libros técnicos (Amazon).

Casos de uso prácticos y patrones de integración

La combinación de Lex y Polly aborda diversos casos de uso. En soporte al cliente, una configuración efectiva es un bot de FAQ que responde automáticamente a preguntas comunes y escala solo las consultas complejas a operadores. La función de análisis de sentimiento de Lex detecta las emociones del usuario (positiva, negativa, neutral), permitiendo un enrutamiento inteligente que transfiere prioritariamente a un operador cuando se detecta sentimiento negativo. En help desks internos, un bot Lex procesa consultas de soporte de TI (restablecimiento de contraseñas, conexión VPN, instalación de software) y ejecuta procesamiento automatizado a través de funciones Lambda integradas con Active Directory o ServiceNow. La integración con plataformas de mensajería como Slack, Microsoft Teams y Facebook Messenger también se logra fácilmente con la función de integración de canales de Lex. La integración con Amazon Kendra permite construir bots con patrón RAG (Retrieval-Augmented Generation) que buscan en documentos internos y bases de conocimiento para generar respuestas. Estos patrones de integración permiten expandir gradualmente las capacidades del bot, desde simples bots de FAQ hasta asistentes empresariales avanzados.

Precios de Lex y Polly

Los precios de Lex se facturan por número de solicitudes. Las solicitudes de voz cuestan aproximadamente $4.00 por cada 1,000, y las solicitudes de texto aproximadamente $0.75 por cada 1,000. Las voces Standard de Polly cuestan aproximadamente $4.00 por millón de caracteres, y las voces Neural aproximadamente $16.00. La capa gratuita de Lex incluye 10,000 solicitudes de voz/mes y 10,000 solicitudes de texto/mes durante los primeros 12 meses. Al integrar con Connect, se aplican cargos adicionales por llamadas de Connect.

Resumen - La solución óptima para construir bots conversacionales

El diálogo multi-turno, las ramificaciones condicionales y el análisis de sentimiento de Lex V2 proporcionan de manera integral las funciones necesarias para construir bots prácticos. El Neural TTS de Polly genera voces naturales similares a las humanas, mejorando significativamente la calidad de las experiencias de diálogo basadas en voz. La integración serverless del backend con Lambda, la integración del canal telefónico con Connect y la integración de búsqueda en bases de conocimiento con Kendra permiten construir gradualmente desde simples bots de FAQ hasta sistemas de diálogo de nivel empresarial. Al diseñar bots conversacionales, es importante determinar la arquitectura óptima en tres ejes: complejidad del flujo de diálogo, canales soportados y requisitos de integración con sistemas backend.

Servicios relacionados

Amazon LexServicio para construir interfaces conversacionales usando voz y textoAmazon PollyServicio de texto a voz que convierte texto en audio con sonido natural

Artículos relacionados

Plataforma de IA generativa - Construcción de una base de IA empresarial con Amazon BedrockAprende a construir aplicaciones de IA generativa usando Amazon Bedrock. Esta guía cubre la selección de modelos fundacionales, la implementación del patrón RAG, las barreras de seguridad y la integración con SageMaker para diseñar infraestructura de IA de nivel empresarial.Conversión de voz a texto - Construcción de una plataforma de transcripción automática de alta precisión con Amazon TranscribeExplicamos cómo convertir voz a texto (STT) con Amazon Transcribe y construir un sistema de procesamiento de voz bidireccional combinado con Polly.Texto a voz - Síntesis de voz natural y soporte multilingüe con Amazon PollyExplicamos la implementación de texto a voz (TTS) con Amazon Polly y la construcción de interfaces de diálogo por voz mediante la integración con Amazon Lex. Presentamos técnicas prácticas de síntesis de voz natural con el motor de voz neuronal y soporte multilingüe.

Más sobre este tema

Entrenamiento de machine learning basado en GPU con AWS Batch - Entrenamiento a gran escala con eficiencia de costosEjecute entrenamiento GPU con sus contenedores Docker existentes y reduzca costos hasta un 90% usando instancias Spot y checkpointing. Incluye orientación sobre cuándo elegir Batch sobre SageMaker.Uso de Claude en Amazon Bedrock - Selección de modelos, diseño de prompts y optimización de costosComparamos los modelos Anthropic Claude disponibles en Amazon Bedrock, proporcionamos directrices de selección de modelos por caso de uso y cubrimos mejores prácticas de diseño de prompts y optimización de costos.Construcción de aplicaciones RAG con Amazon Bedrock Knowledge Bases - Implementación de generación aumentada por recuperaciónIndexe automáticamente documentos en S3 y unifique búsqueda y generación con la API RetrieveAndGenerate. Cubre la selección de estrategia de chunking y la seguridad con Guardrails.Primeros pasos con computación cuántica en Amazon Braket - Diseño y simulación de circuitos cuánticosPrototipe gratis con simuladores locales y luego ejecute circuitos cuánticos en hardware IonQ y Rigetti. Cubre la implementación de VQE y QAOA con trabajos híbridos.ML con preservación de privacidad con AWS Clean Rooms ML - Construya modelos sin compartir datosAprenda cómo construir modelos lookalike con Clean Rooms ML, aplicar privacidad diferencial y aprovechar los resultados para segmentación publicitaria.Procesamiento de lenguaje natural con Amazon Comprehend - Análisis de sentimiento y extracción de entidadesExplicamos el análisis de sentimiento, la extracción de entidades y la construcción de modelos de clasificación personalizados con Comprehend.Extracción de texto de documentos - Procesamiento inteligente de documentos con Amazon TextractExplicamos la extracción automática de texto, tablas y datos de formularios de documentos con Amazon Textract, y la construcción de pipelines de procesamiento de lenguaje natural en combinación con Amazon Comprehend. Presentamos patrones de automatización para procesamiento de facturas y análisis de contratos.Visión por computadora en el borde - Análisis de video con IA en sitio usando AWS PanoramaDespliega modelos de visión por computadora en el Panorama Appliance y analiza en tiempo real las transmisiones de cámaras IP existentes. Aprende patrones de diseño para inferencia en el borde que reducen la latencia y ahorran ancho de banda.

Artículos y servicios similares

Construcción de chatbots conversacionales con Amazon Lex - Diseño de intents e integración con LambdaDefine intents y slots con un motor de comprensión del lenguaje natural (NLU) y ejecuta el procesamiento backend mediante la integración con Lambda para construir bots interactivos. Se explica el soporte multilingüe y el uso de la API de conversación en streaming.Texto a voz - Síntesis de voz natural y soporte multilingüe con Amazon PollyExplicamos la implementación de texto a voz (TTS) con Amazon Polly y la construcción de interfaces de diálogo por voz mediante la integración con Amazon Lex. Presentamos técnicas prácticas de síntesis de voz natural con el motor de voz neuronal y soporte multilingüe.Amazon LexServicio para construir interfaces conversacionales por voz y texto, basado en el mismo motor de comprensión del lenguaje natural de Amazon Alexa, diseñando flujos de diálogo mediante intents y slotsSíntesis de voz con Amazon Polly - Control de voz con motor neuronal y SSMLGenera voz natural con el motor TTS neuronal y controla la velocidad de habla, tono y pausas con etiquetas SSML. Explicamos cómo construir diversos contenidos de audio con streaming en tiempo real y síntesis asíncrona a S3.