Suraksha Saathi: สร้าง AI Voice Agent ป้องกันแก๊งคอลเซ็นเตอร์ใน 10 วัน

เมื่อผู้สูงอายุได้รับข้อความหลอกลวงแจกรางวัลหรือข้อความที่ดูเป็นทางการแต่ไม่แน่ใจว่าเป็นเรื่องจริงหรือไม่ มักจะหันมาถามลูกหลานว่าข้อความนี้จริงหรือเปล่า แต่หากลูกหลานไม่ว่างรับสายหรือเผลอกดลิงก์อันตรายอาจสร้างความเสียหายได้ นักพัฒนาจึงต้องการแก้ปัญหานี้ด้วยการสร้างแอปพลิเคชันที่ช่วยให้คนในครอบครัวสามารถพูดคุยเป็นภาษาฮินดีธรรมชาติได้ทันที

นี่คือที่มาของการพัฒนา Suraksha Saathi สำหรับการแข่งขัน #VoiceForBharat 10 Days of AI Voice Agents Challenge โดยเริ่มจากโฟลเดอร์ว่างเปล่าจนกลายมาเป็นระบบ AI ป้องกันการฉ้อโกงที่ใช้งานได้จริงภายในระยะเวลา 10 วัน ระบบเบื้องหลังประกอบด้วยส่วนประกอบสำคัญได้แก่ ผู้ใช้พูดผ่านไมโครโฟน Deepgram ทำหน้าที่ฟังเสียง Google Gemini ประมวลผลความคิด Murf Falcon แปลงข้อความกลับเป็นเสียงพูด และ LiveKit เชื่อมโยงทั้งหมดเข้าด้วยกันแบบไร้รอยต่อ

ความเร็วถือเป็นหัวใจสำคัญ หากตัวแทนเสียงใช้เวลาตอบกลับนานถึง 3 วินาทีจะให้ความรู้สึกเหมือนวิทยุสื่อสารที่พัง ผู้พัฒนาจึงเลือกใช้ Murf Falcon ซึ่งเป็น API แปลงข้อความ  Text-to-Speech ที่เร็วที่สุดในปัจจุบัน เพื่อทำให้ AI ให้ความรู้สึกเหมือนเป็นการโทรศัพท์จริงที่ตอบสนองได้ทันที สำหรับการพัฒนาในวันที่ 1 และ 2 มุ่งเน้นไปที่การสอนภาษาฮินดี เนื่องจากในช่วงแรก AI ออกเสียงคำว่า karu ผิดเพี้ยนเหมือนชาวต่างชาติ การแก้ไขทำได้โดยบังคับให้ AI สร้างผลลัพธ์เป็นอักษรเทวนาครีเท่านั้น ทำให้สำเนียงมีความคล่องแคล่ว พร้อมทั้งกำหนดกฎเข้มงวดห้ามขอรหัส OTP และห้ามรับรองว่าโครงการใดปลอดภัย 100%

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

ในวันที่ 3 ของการพัฒนา มีการสร้างอินเทอร์เฟซผู้ใช้เป็นรูปตะเกียงน้ำมัน Diya แบบเคลื่อนไหวแทนแถบเสียงกระโดดที่น่าเบื่อ โดยตะเกียงจะเรืองแสงนิ่งเมื่อระบบกำลังฟังและกะพริบเมื่อกำลังพูด เพื่อสื่อถึงการนำแสงสว่างมาสู่ความมืดมิดในการหลอกลวง ถัดมาในวันที่ 4 และ 5 ได้มีการเชื่อมต่อฐานข้อมูลเพื่อให้ AI จดจำผู้โทรกลับมา พร้อมเพิ่มกฎการขอความยินยอมด้วยประโยคถามว่า "Kya main aapka naam yaad rakhun?" ก่อนจะจดจำชื่อเพื่อทักทายในการโทรครั้งถัดไป