> For the complete documentation index, see [llms.txt](https://library.zoom.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://library.zoom.com/technical-library/sv/ai/ai-whitepaper/diagrams.md). # Diagram och dataflöden Zoom AI-diagram och dataflöden för Zoom Workplace, webbinarier och evenemang Zooms AI-funktioner spänner över ett brett spektrum av produkter, tjänster och arbetsflöden, vilket innebär att inget enskilt diagram rimligen kan fullt ut fånga hur AI fungerar över hela Zoom plattformen. Olika funktioner förlitar sig på olika indata, bearbetningsvägar, lagringsbeteenden, modellinteraktioner och utdata. Vissa fungerar endast på live, flyktiga data under en aktiv interaktion, medan andra skapar bevarade artefakter som senare kan stödja ytterligare funktioner. Vissa funktioner förblir helt inom Zooms förstapartsmiljö, medan andra förlitar sig på Zooms federerade AI-arkitektur och, i vissa fall, anslutna externa system. För att göra detta dynamiska och omfattande system enklare att förstå presenterar denna sida en serie diagram i stället för att förlita sig på en enda visuell modell. Var och en lyfter fram ett annat lager, en annan väg eller ett annat funktionsmönster inom den bredare Zoom AI-plattformen. Längst ned i dessa avsnitt finns tabeller som beskriver vilka funktioner som är tillämpliga, deras associerade produkt och deras status för bevarande av artefakter. Senare avsnitt granskar sedan vissa skräddarsydda produktfunktioner individuellt och ger mer fokuserade förklaringar av hur just de funktionerna fungerar. Sekvensen börjar nedan med en förenklad översikt av Zoom AI i dess mest grundläggande form, där plattformen visas i ett förstapartscentrerat tillstånd som använder Zooms standardiserade federerade modellarkitektur men ännu inte inför tredjepartsintegreringar för Business eller externa kunddataströmmar utöver Zooms tredjepartsleverantörer av AI-modeller. Därifrån introducerar diagrammen gradvis mer specialiserade delar av plattformen, inklusive alternativ för Zooms AI-ansats, omvandlingen av live-ljud till AI-användbara artefakter och sätten på vilka dessa artefakter senare kan stödja andra funktioner och arbetsflöden. Tillsammans är dessa diagram avsedda att göra ett mycket komplext system mer lättillgängligt genom att dela upp det i mindre, lättare att följa vyer som återspeglar hur olika delar av Zooms AI plattform fungerar i praktiken. ## **Zoom AI**

Diagrammet ovan presenterar Zooms AI plattform i en förenklad form och visar plattformen i ett av dess mest grundläggande tillstånd. Det illustrerar hur olika delar av Zooms bredare produkt- och tjänstearkitektur, känd som Zoom Web-backend — inklusive områden som möten, Phone, kontaktcenter, automatisk taligenkänning och andra Zoom-erbjudanden — matar in i den större Zoom plattformen och bidrar till mängden användaråtkomligt innehåll som kan stödja AI-funktioner längre ned i kedjan. Ett centralt koncept i detta diagram är **Zooms innehåll för användare**. Detta avser innehållet som skapas genom en användares interaktioner med Zooms produkter och tjänster och som senare kan fungera som indata, kontext eller artefakter för AI-drivna upplevelser. Beroende på produkten och funktionen i fråga kan detta omfatta material såsom Zoom chattmeddelanden, mötesammanfattningar, transkriptioner, Canvas-dokument, My Notes, inspelningar och andra liknande artefakter som riktar sig till användare. Detta material utgör en viktig del av kontextlagret som kan stödja senare AI-assisterad hämtning, resonemang, sammanfattning och uppföljning. En del av detta innehåll kan också förberedas för framtida AI-användning via hämtningsinfrastruktur såsom indexerad hämtning eller moduler för hämtning med generativ förstärkning. I dessa fall kan relevanta artefakter matas in och indexeras så att de kan lokaliseras och användas mer effektivt i senare AI-frågor eller processer. Detta hjälper Zoom AI att arbeta inte bara med liveinteraktioner, utan också med bevarad kontext och tidigare användargenererat material över hela plattformen. Slutligen introducerar diagrammet också **Zoom AI** det själv som det delade AI-lagret som fungerar över detta bredare ekosystem. I denna förenklade vy visas Zoom AI genom Zooms standardiserade federerade ansats, där Zoom kan använda både modeller som körs hos Zoom inom Zooms egen infrastruktur och utvalda tredjepartsleverantörer av AI-modeller när det är lämpligt för den aktuella uppgiften. Denna federerade modell gör att Zoom kan dirigera AI-uppgifter genom den mest lämpliga tillgängliga modelmiljön samtidigt som en enhetlig AI-upplevelse upprätthålls över plattformen. ## Angreppssätt för Zoom AI-tjänstmodeller

Översikt över Zooms AI-angreppssätt, inklusive Federated, ZM+ och ZMO

Diagrammet ovan illustrerar Zooms tre AI-angreppssätt: Federated-ansatsen, Zoom-hostade modeller Plus (ZM+) och Endast Zoom-hostade modeller (ZMO). Tillsammans representerar dessa de tre primära sätt på vilka Zoom tillhandahåller AI-tjänster till Kunder, där varje alternativ erbjuder en annan balans mellan bredden av funktioner, modellflexibilitet och datakontroll. Federated-ansatsen är Zooms standard och mest heltäckande när det gäller funktioner. Den gör att Zoom kan arbeta med flera AI-leverantörer, inklusive Zoom-hostade modeller och utvalda tredjepartsmodell-Partner, så att uppgifter kan dirigeras till den modell som är bäst lämpad för begäran. ZM+ ger en mer kontrollerad driftsättningsmodell genom att använda Zoom-hanterade dedikerade modellinstanser, medan ZMO håller AI-bearbetningen inom endast Zoom-hostade modeller och erbjuder den mest restriktiva och kontrollerade modellvägen, men med en mer begränsad uppsättning funktioner. För den här sidan illustrerar diagrammen som följer i allmänhet den federerade ansatsen, eftersom den speglar Zooms standard och den bredaste bilden av Zoom AI-funktioner. Organisationer som använder ZM+ eller ZMO kan ofta tolka dessa samma diagram genom att mentalt ta bort tredjepartsleverantörerna av AI-modeller och fokusera på de återstående Zoom-hanterade delarna av flödet. Se sidan Zoom AI-modeller, bearbetning, lagring och användning för mer information. ## Funktioner och artefakter för live media

Översikt över hur live media omvandlas till tal-till-text-data som driver Zoom AI-funktioner

Diagrammet ovan illustrerar hur interaktioner med live media—såsom möten och telefonsamtal—kan ge upphov till nedströms AI-drivna funktioner och artefakter över hela Zoom-plattformen. I varje fall kommer live ljud in i Zoom via anslutningspunkten som är kopplad till den produkten eller tjänsten. För möten är detta vanligtvis **Multimedia Router (MMR)**. För telefoni ingår ljud vanligtvis genom **SIP-zoner**. När ljudet har matats in dirigeras det till Zooms **Automatisk taligenkänning (ASR)** tjänst, som omvandlar det direkta ljudet till **tal-till-text-data**. Denna tal-till-text-data kan användas på flera sätt beroende på de aktiverade inställningarna och funktionerna. I vissa fall levereras den omedelbart till användare som **liveundertexter**. I sammanhang som stöds kan den också skickas vidare till Zooms **Liveöversättning** tjänst, som översätter tal-till-text-utdata till översatta undertexter för deltagare på andra språk. Tal-till-text-data kan också stödja mer permanenta eller derivativa funktioner. Om **transkription** är aktiverad, eller om en användare använder **Mina anteckningar**kan ASR-tjänsten skapa en avskrift efter att live-sessionen avslutas. Om bevarande av avskrift inte är aktiverat, behålls dock inte den tal-till-text-data som används under interaktionen som en bestående avskrift. Även i sådana fall kan Zoom AI fortfarande använda tal-till-text-data tillfälligt under sessionen för att stödja live AI-funktioner. Till exempel kan en användare ställa **frågor under möte** genom Zoom AI under ett möte. I så fall kan Zoom AI använda de tal-till-text-data i realtid från mötet för att tolka användarens fråga och generera ett relevant svar förankrat i den pågående konversationen. En viktig skillnad i detta flöde är att Zoom AI inte nödvändigtvis behåller en avskrift av konversationen bara för att tal-till-text-data användes under sessionen. Om inte bevarande av avskrift specifikt är aktiverat, eller om data behålls genom funktioner som **Mina anteckningar**, själva tal-till-text-datan kan förbli flyktig. Samtidigt kan vissa efterföljande artefakter som produceras från den datan bestå. Om till exempel en användare ställer frågor under ett möte kan den AI-konversation som skapas eller relaterade anteckningar senare förbli tillgängliga som en bevarad artefakt, även när ingen beständig avskrift tas fram. Vissa bevarade artefakter kan också bli grunden för ytterligare efterföljande artefakter och arbetsflöden. En mötessammanfattning, webbinariumsammanfattning, samtalssammanfattning eller en användares My Notes kan omvandlas till en **Zoom Canvas** dokument, där det kan fortsätta att redigeras, utökas och användas som en arbetsartefakt. I sin tur kan dessa resulterande dokument senare fungera som kontext för andra AI-funktioner eller arbetsflöden som diskuteras någon annanstans i detta dokument. På så sätt kan live-ljud inte bara leda till omedelbara AI-funktioner, utan också till en kedja av bevarade artefakter som fortsätter att stödja senare AI-assisterat arbete över hela Zoom-plattformen. Detta diagram är tillämpligt för följande funktioner: | Funktioner | Beskrivning | Produkt(er) | Artefaktbevarande | | :---------------------------: | :----------------------------------------------------------------------------------------------: | :----------------: | :---------------: | | Direkttextning | Textning i realtid från tal till text för live-sessioner. | möten, webbinarier | Ej behållet | | översatta undertexter | Översatta undertexter i realtid som genereras från tal-till-text-data i realtid. | möten, webbinarier | Ej behållet | | Avskrifter | Behållna textposter av mötets tal-till-text-innehåll. | möten, telefon | Behållet | | mötessammanfattning | AI-genererad sammanfattning av viktiga diskussionspunkter, beslut och åtgärdspunkter från mötet. | möten | Behållet | | sammanfattning av webbinarium | AI-genererad sammanfattning av centralt webbinariuminnehåll som delas efter sessionen. | webbinarier | Behållet | | samtalssammanfattning | AI-genererad sammanfattning efter samtal av viktiga detaljer och åtgärdspunkter. | telefon | Behållet | | Mina anteckningar | Personliga anteckningar, avskrift och möteskontext sparade för senare referens och uppföljning. | möten | Behållet | | Uppföljningsuppgifter | AI-föreslagna uppföljningsåtgärder baserade på samtalsdetaljer. | Zoom Tasks | Behållet | | Prioritering av röstbrevlåda | AI-baserad rangordning av röstbrevlådor efter viktighet definierad av användare. | telefon | Behållet | | Mötesfrågor | AI-svar på mötesfrågor med hjälp av möteskontext i realtid. | möten | Behållet | | Frågor om webbinarium | AI-svar på frågor om webbinarium med hjälp av webbinariumkontext i realtid. | webbinarier | Behållet | | Samtalsfrågor | AI-svar på samtalsfrågor med hjälp av samtalskontext i realtid. | telefon | Behållet | ## Inspelningsfunktioner

Översikt över hur Zoom bearbetar inspelningar och AI-funktioner

Diagrammet ovan visar hur Zoom AI stöder **AI-funktioner baserade på inspelningar** genom att arbeta på den färdiga inspelningen efter att live-sessionen har avslutats. Liksom andra ljudbaserade Zoom-upplevelser passerar det ursprungliga mediet genom infrastrukturen som är kopplad till den produkt som används—som till exempel **MMR** för möten eller den relevanta **SIP-zon** för telefoni. Som en del av det flödet skapas inspelningen och skickas till Zooms inspelningstjänst, där den färdiga inspelningen sedan lagras i Zooms innehållslagring. När inspelningen har färdigställts skickas ljudet som är kopplat till den till Zooms **Automatisk taligenkänning (ASR)** tjänst för transkription. Denna process genererar en **inspelningsspecifik avskrift**som kan skilja sig från tal-till-text-data som genererats under själva live-sessionen. Med andra ord genereras avskriften som är kopplad till en färdig inspelning som en del av bearbetningsflödet efter inspelningen snarare än att helt enkelt kopieras från lagret för live-interaktion. När inspelningsavskriften har producerats kan den sedan skickas till **Zoom AI** för ytterligare analys. I detta steg bearbetar Zoom AI avskriften för att identifiera mer avancerade inspelningsartefakter som sammanfattningar, höjdpunkter, kapitel och andra strukturerade representationer av samtalet. Denna analys utförs med hjälp av Zooms AI-bearbetningslager, inklusive Zoom-värdade modeller där så är tillämpligt, för att omvandla den råa inspelningsavskriften till mer användbara utdata efter möte eller efter samtal. När den analysen är klar kopplas de AI-genererade artefakterna till själva inspelningen. Detta gör att användare som tittar på en inspelning inte bara kan se inspelningen och avskriften, utan också de extra AI-genererade lagren som gör innehållet lättare att navigera i och förstå. På så sätt visar diagrammet hur en färdig inspelning kan bli grunden för ett andra steg i AI-bearbetningen, vilket skapar berikade inspelningsfunktioner som sträcker sig bortom det ursprungliga lagrade mediet. Detta diagram är tillämpligt för följande funktioner: | Funktioner | Beskrivning | Produkt(er) | Artefaktbevarande | | :----------------------------------------------: | :--------------------------------------------------------------------------------------------------------------------------------------------------: | :---------: | :---------------: | | Smart inspelning | AI-genererade höjdpunkter, kapitel och sammanfattningar för inspelade möten | möten | Behållet | | Generera titlar, beskrivningar och taggar | AI-genererade titlar, beskrivningar och taggar för klipp. | Klipp | Behållet | | AI-innehållsskapande för inspelningar och videor | Använder transkriptioner av evenemangsinspelningar för att generera skriftligt innehåll och AI-kurerade videoklipp från viktiga ögonblick i session. | Zoom Events | Behållet | ## Avledda AI-funktioner

Översikt över hur Zoom behandlar funktioner för generering av härlett AI-innehåll

Diagrammet ovan illustrerar hur **deriverade AI-funktioner** fungerar genom att använda tillgängligt innehåll från användare som kontext för senare AI-assisterade uppgifter och resultat. I dessa fall arbetar Zoom AI inte längre bara utifrån data från liveinteraktioner. I stället utgår det från artefakter som redan finns i användarens bredare innehållsmiljö för att besvara en fråga, sammanställa information eller hjälpa till att skapa ett nytt resultat. Beroende på uppgiften kan detta kontextuella material innehålla artefakter som till exempel chattmeddelanden, mötesammanfattningar, My Notes, transkriptioner, Zoom Canvas-dokument, Zoom Slide-deck, Zoom Paper-dokument, Zoom Mail eller innehåll från Zoom Calendar, ansluten e-post- eller kalenderdata från tredje part, eller filer som användaren har laddat upp för att stödja en viss förfrågan. På så sätt använder Zoom AI tidigare skapade Zoom-artefakter, tillsammans med integrerad data på personnivå där det finns tillgängligt, för att hjälpa till att uppnå det slutresultat som en användare har begärt. Diagrammet visar också att denna process i sig kan generera **nytt användarinnehåll**. Till exempel kan Zoom AI använda befintligt material för att skapa ett nytt Zoom Sheet, Zoom Canvas-dokument, Zoom Slide-deck eller Zoom Paper-dokument. När dessa nya artefakter har skapats blir de en del av användarens bredare innehållsarkiv och kan senare användas igen som kontext för framtida AI-assisterade funktioner och arbetsflöden. Detta skapar en lagerbaserad utveckling där tidigare användarinnehåll kan stödja senare resultat, och dessa resultat kan i sin tur med tiden bli nya kontextuella artefakter. Samma mönster kan också förekomma på andra Zoom-ytor. I miljöer som **Zoom hubb** eller i **AI-chattpanel**, kan användare ställa frågor över hela plattformen eller interagera med dokument och material som är tillgänglig via Zooms AI-produktivitetssvit. I dessa fall arbetar Zoom AI återigen utifrån befintliga artefakter som användaren har tillgång till för att tillhandahålla hämtning, sammanställning, frågesvar eller uppföljning, vilket visar hur avledda AI-funktioner förlänger värdet av tidigare innehåll till nya uppgifter och resultat. {% hint style="info" %} **Obs** Lokala uppladdningar av användarfiler [kan inaktiveras](https://support.zoom.com/hc/en/article?id=zm_kb\&sysparm_article=KB0077150). {% endhint %} Detta diagram är tillämpligt för följande funktioner: | Funktioner | Beskrivning | Produkt(er) | Artefaktbevarande | | :-----------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------: | :---------------: | | Innehållsgenerering | Innehållsgenerering använder AI för att skapa, förfina, sammanfatta och organisera dokument, presentationer, kalkylblad och andra resultat från uppmaningar på naturligt språk. | Canvas, Sheets, Paper, Slides | Behållet | | AI-chattpanel | Konversationsbaserad AI-assistans för att ställa frågor, generera innehåll och arbeta över den tillgängliga Zoom-kontexten. | AI-chattpanel | Behållet | | Ställ frågor | AI-genererade svar baserade på valda dokument och material i Zoom hubb. | hubb | Behållet | ## Generativa och kompositionsfunktioner

Översikt över hur Zoom behandlar generativa och kompositionsbaserade AI-begäranden

Diagrammet ovan illustrerar hur **generativa och kompositionsfunktioner** fungerar inom Zoom AI plattformen. Till skillnad från derivativa AI-funktioner, som bygger på befintligt användarinnehåll för att hjälpa till att nå en senare uppgift eller ett senare resultat, drivs generativa och kompositionsfunktioner ofta mer direkt av användarens omedelbara inmatning. I många fall är dessa funktioner inte beroende av bevarade Zoom-artefakter som redan lagras någon annanstans i användarens innehållsmiljö. I stället drivs de främst av direkta användaruppmaningar, frågor, uppladdade filer eller det omedelbara innehåll på skärm som är kopplat till den aktiva produktupplevelsen. Denna skillnad är särskilt viktig för funktioner som arbetar utifrån innehåll som är synligt i användarens nuvarande sammanhang snarare än utifrån tidigare indexerade eller bevarade artefakter. Till exempel, när en användare sammanfattar en chatttråd, sammanfattar ett e-postmeddelande eller ber Zoom AI att utarbeta ett svar på ett e-postmeddelande, hämtas det relevanta innehållet vanligtvis från den aktiva klientkontexten och paketeras i en nyttolast för bearbetning av Zoom AI. Med andra ord hämtar Zoom inte nödvändigtvis det innehållet från ett separat serverbaserat förråd för att utföra uppgiften. I stället omvandlas den relevanta informationen från den aktiva tråden, meddelandesamlingen eller annat synligt gränssnittssammanhang till textform och skickas till Zoom AI från Zoom Workplace-appen så att tjänsten kan utföra bearbetning av naturligt språk, sammanfattning eller generering. Diagrammet innehåller också generativa användningsfall som främst bygger på direkt användarinstruktion snarare än textuellt källmaterial. Till exempel, när en användare begär bildgenerering, beskriver användaren det önskade resultatet via en prompt, och modellen genererar bilden utifrån den beskrivningen. I vissa produktkontexter, som Zoom Whiteboard, kan denna bildgenerering förlita sig på tredjepartsleverantörer av AI-modeller. I andra sammanhang kan Zoom använda sina egna hostade modeller. Till exempel kan Zooms bildgenerering för virtuell bakgrund förlita sig på en Zoom-hostad modell som använder inbäddningar och relaterad bearbetning för att generera visuella resultat, där det resulterande innehållet passerar genom modereringskontroller innan det returneras till användaren. Sammantaget visar diagrammet att generativa funktioner och kompositionsfunktioner ofta är mindre beroende av bevarade artefakter och mer av omedelbar användaravsikt, aktiv klientkontext eller uppladdat stödmaterial. På så sätt representerar de ett annat viktigt arbetssätt för Zoom AI: inte bara att hämta och resonera över tidigare innehåll, utan också att generera nya resultat direkt utifrån användarens aktuella begäran och omgivande sammanhang. Detta diagram är tillämpligt för följande funktioner: | Funktioner | Beskrivning | Produkt(er) | Artefaktbevarande | | :------------------------------------------: | :---------------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :-----------------------: | :----------------------: | | virtuell bakgrund | Använder AI för att skapa anpassade bilder för virtuell bakgrund från användarpromptar för användning i Zoom-möten. | Möten, Event, webbinarium | Bevarade (om sparade) | | Bildgenerering | Använder AI för att omvandla whiteboard-ritningar eller grova visuella artefakter till mer polerade, renderade eller stiliserade visuella resultat. | whiteboard | Bevarade (om sparade) | | Bildgenerering | Använder AI för att skapa varumärkesanpassade bilder och andra visuella tillgångar för evenemang, såsom rubriker, sessionsbilder och expo-relaterat material. | evenemang | Bevarade (om sparade) | | Innehållsgenerering | Använder AI för att generera whiteboardinnehåll på skärmen såsom text, klisterlappar, tabeller, mind maps och andra strukturerade visuella element utifrån användareprompter. | whiteboard | Bevarade (om sparade) | | Innehållsgenerering | Använder AI för att generera skrivet evenemangsinnehåll såsom beskrivningar, sessiondetaljer, talarbiografier och lobbymeddelanden. | evenemang | Bevarade (om sparade) | | e-postkomposition | Använder AI för att utarbeta och förbättra e-postinnehåll, inklusive meddelandetexter, ämnesrader och svar. | e-post | Behålls (om det skickas) | | chattkomposition | Använder AI för att utarbeta och revidera chattmeddelanden baserat på användareprompter och tillgänglig konversationskontext. | Chatt | Behålls (om det skickas) | | E-postsammanfattning | Använder AI för att sammanfatta det viktigaste innehållet i ett e-postmeddelande eller en e-posttråd. | e-post | Ej behållet | | Sammanfattning av meddelande, tråd, dokument | Använder AI för att sammanfatta chattmeddelanden, konversationstrådar och bifogade dokument som stöds eller länkat Canvas-innehåll. | Chatt | Ej behållet | | Smart uppladdning | Extraherar evenemangsuppgifter från uppladdade filer för att automatiskt skapa sessioner, talare och anpassade frågor. | Zoom Events | Bevarade (om sparade) | ## Mina anteckningar ### Mina anteckningar i Zoom Meetings

Översikt över dataflöden för Mina anteckningar i Zoom-möten

Diagrammet ovan visar hur Mina anteckningar inom Zoom Meetings använder mötets befintliga ljudväg i stället för att förlita sig på annat ljud som finns på användarens enhet. När Mina anteckningar är aktiverat under ett Zoom-möte får det åtkomst till det delade mötesljudet som dirigeras via mötets Multi-Media Router-sessions (MMR). Ljudet bearbetas sedan av Zooms tjänst för automatisk taligenkänning (ASR) för att skapa en avskrift, som levereras till användarens enhet och senare kan stödja generering av anteckningar efter mötet. I detta flöde baseras transkription specifikt på Zoom-mötesljudet som är kopplat till den mötessessionen. Det baseras inte på orelaterat lokalt enhetsljud utanför själva mötet. När mötet avslutas kan den resulterande avskriften och anteckningarna förbli tillgängliga enligt användarens tillämpliga inställningar för lagringstid, medan det underliggande ljudet som används för transkription inte behålls efter att bearbetningen har slutförts. ### Mina anteckningar utanför Zoom Meetings

Översikt över dataflöden för Mina anteckningar utanför Zoom-möten

Diagrammet ovan visar hur Mina anteckningar utanför Zoom Meetings fungerar via användarens lokala enhetsljud i stället för via en delad Zoom-mötessession. Om funktionen aktiveras under ett tredjepartsmöte eller en personlig diskussion kan Mina anteckningar använda åtkomst på operativsystemnivå till användarens mikrofon och, där det är tillämpligt, systemljud för att fånga det lokala ljud som är tillgängligt på den enheten. Detta ljud dirigeras sedan via en MMR-session för en användare och bearbetas av Zooms tjänst för automatisk taligenkänning (ASR) för att skapa en avskrift, som levereras till användarens enhet och senare kan stödja generering av anteckningar efter mötet. Detta innebär att transkription utanför Zoom Meetings uteslutande baseras på ljud som överförs från användarens lokala enhet, snarare än från en delad ljudström från ett Zoom-möte. Mina anteckningar kan även uppmana användaren att börja en ny anteckning när mikrofonaktivitet på enheten upptäcks, vilket bidrar till att lyfta fram funktioner i situationer som tredjepartsmöten, inspelningar i webbläsare eller andra arbetsflöden med aktiv mikrofon. Precis som i flödet under mötet behålls inte ljudet som används för transkription efter att transkriptionen är klar, medan de resulterande anteckningarna och avskrifterna kan förbli sparade på användarens konto enligt tillämpliga inställningar för lagringstid. ## ZoomMate

Diagrammet ovan illustrerar hur **ZoomMate fungerar som en primär arbetsyta i Zoom Workplace**, och verkar där användarkontext, ansluten kunskap och möjligheter till utförande möts. I stället för att endast existera som en fristående assistent befinner sig ZoomMate i centrum av en bredare arbetsmiljö där användare kan söka, resonera, skapa och agera i de material och system som stöder deras dagliga arbete. En viktig del av denna roll kommer från ZoomMates åtkomst till **Zoom-innehåll från förstapart**. Detta kan omfatta artefakter som sammanfattningar, Mina anteckningar, inspelningar, Canvas-dokument, chattmeddelanden och annat användargenererat material som skapats på Zoom-plattformen. Dessa artefakter hjälper till att ge ZoomMate den kontext som krävs för att besvara frågor, sammanställa information, generera resultat och stödja uppföljning. ZoomMate kan också använda **minne**, vilket gör att den kan införliva relevanta användarpreferenser eller arbetsrelaterade uppgifter när den hjälper till att slutföra en uppgift. Diagrammet visar också hur ZoomMate sträcker sig bortom Zoom-internt innehåll genom att integreras med **kunskapskällor från tredje part**. Exempelvis kan anslutna molnlagringstjänster som Google Drive eller OneDrive fungera som externa lagringsplatser för information som användaren har åtkomst till. När dessa källor integreras kan Zoom indexera godkänt innehåll för att stödja hämtning från dessa material, vilket gör att ZoomMate kan använda **agentbaserad sökning** för att arbeta med både Zoom-innehåll och ansluten kunskap från tredje part. På så sätt kan ZoomMate söka inte bara i det som finns i Zoom, utan även i de dokument och material som en användare har behörighet att få åtkomst till på anslutna externa plattformar. Andra personliga datakällor, till exempel **e-post och kalender** (med undantag för heltäckskrypterade e-postmeddelanden), kan också stödja ZoomMate, men de fungerar på ett annat sätt. I stället för att indexeras kommunicerar dessa källor vanligtvis med ZoomMate genom direkt hämtning baserad på API. Detta gör dem användbara för uppgifter som att hitta relevant e-postkontext, granska kalenderinformation eller hjälpa till att schemalägga evenemang, utan att behandla dem som en del av det indexerade hämtningslager som används för bredare dokumentsökning. Diagrammet visar vidare att ZoomMate kan ansluta till ett bredare utbud av **tredjepartstjänster och anslutningar** som stöder åtgärder såväl som åtkomst till kunskap. Dessa kan omfatta system som Jira, HubSpot, ServiceNow, Workday och andra anslutna Business-plattformar. Genom dessa anslutningar kan ZoomMate utföra **agentbaserade uppgifter** för användarens räkning, till exempel skapa eller uppdatera poster, hämta information från externa tjänster eller utföra andra anslutna åtgärder i dessa system. Detta gör ZoomMate till mer än en yta för hämtning och sammanställning; den fungerar också som ett utförandelager som kan hjälpa till att omvandla kontext till handling. Samma grund bidrar också till att driva **agenter** och **arbetsflöden** inom ZoomMate-miljön. Agenter kan använda samma underliggande kontext, hämtningsvägar och anslutna system för att ge mer dynamisk, resonemangsbaserad assistans och hjälpa användare att utföra bredare uppgifter i flera steg med större kontinuitet och anpassningsförmåga. Arbetsflöden kan däremot tillhandahålla mer strukturerad och upprepbar automatisering, vilket gör det möjligt för användare att definiera återkommande processer som fungerar med Zoom-innehåll och, där det stöds, anslutna externa system. På så sätt fungerar ZoomMate inte bara som ett konversationsgränssnitt, utan även som en orkestreringspunkt för både dynamisk agentbaserad aktivitet och mer strukturerad automatisering. **Sandbox** kan också stödja vissa av ZoomMates mer avancerade utförandefunktioner. För uppgifter som kräver kodkörning, filgenerering, automatisering eller annan mer avancerad bearbetning kan ZoomMate använda en separat sandlådemiljö i stället för att enbart förlita sig på standardmässig konversationsbearbetning. Denna sandlåda körs på Zooms AWS-infrastruktur och tillhandahåller ett kortlivat, isolerat utförandelager för uppgifter med högre komplexitet, vilket hjälper ZoomMate att utföra vissa åtgärder i en mer kontrollerad miljö. På så sätt kan samma bredare ZoomMate-grund som stöder hämtning, resonemang, agenter och arbetsflöden också stödja mer avancerat uppgiftsutförande när det begärda arbetet kräver det. Slutligen visar diagrammet inte alla underliggande komponenter som bidrar till att driva ZoomMate. Det visar inte uttryckligen grundläggande funktionslager såsom färdigheter eller andra stödstrukturer som ingår i Zoom AI:s bredare infrastruktur och utformning. Dessa element antas fungera inom det underliggande AI-system som möjliggör ZoomMates beteende. Syftet med diagrammet är i stället att visa de primära ytorna för kontext, kunskap och åtgärder genom vilka ZoomMate fungerar som en enhetlig arbetsyta i Zoom och anslutna system. ### ZoomMates tredjepartsanslutningar och indexering

Översikt över hur ZoomMate ansluter till tredjepartsanslutningar och datakällor

Diagrammet ovan illustrerar två relaterade men separata delar av ZoomMates tredjepartsdataarkitektur. Den första handlar om hur ZoomMate ansluter till tredjepartsapplikationer och -tjänster som stöds, så att den kan hämta information eller vidta åtgärder i dessa system. Den andra handlar om hur vissa innehållskällor från tredje part som stöds kan importeras och indexeras, så att ZoomMate senare kan hämta innehållet mer effektivt genom hämtningsutökad generering. #### ZoomMate kan ansluta direkt till tredjepartsapplikationer och -tjänster En del av diagrammet visar hur ZoomMate ansluter till tredjepartsapplikationer som stöds, såsom Jira, Confluence, Salesforce, ServiceNow, Workday, molnlagringsplattformar och andra externa Business-system. Dessa anslutningar gör det möjligt för ZoomMate att fungera bortom Zoom-internt innehåll genom att interagera med verktyg som lagrar Business-data eller stöder operativt arbete utanför Zoom-plattformen. Dessa anslutningar upprättas via en TLS-anslutning genom auktoriserade åtkomstmodeller, såsom integrationer baserade på API eller anslutningar baserade på MCP. I båda fallen verkar ZoomMate inom de behörigheter som beviljats av den anslutna tjänsten. Detta gör att ZoomMate kan hämta relevant information från dessa system och, där det stöds, vidta åtgärder i dem för användarens räkning. ZoomMate kan exempelvis hämta detaljer från ett Jira-ärende, söka på en Confluence-sida, uppdatera en post i ServiceNow eller använda ett annat anslutet system som en del av utförandet av en bredare uppgift. Denna modell för direktanslutning är särskilt viktig för uppgifter som beror på aktuellt systemtillstånd eller direktåtkomst till tredjepartsverktyg. I dessa fall kan ZoomMate använda den anslutna applikationen som en aktiv tjänsteändpunkt snarare än enbart som en lagringsplats för tidigare indexerat innehåll. #### ZoomMate kan indexera godkänt innehåll från tredje part för senare hämtning En andra del av diagrammet visar hur ZoomMate kan ta in och indexera innehåll från stödda tredje parts-källor så att material senare kan hämtas som en del av en sökning eller ett AI-assisterat svar. Denna modell för indexerad hämtning är mest relevant för anslutna innehållsarkiv såsom molnlagringssystem, kunskapsbaser, dokumentplattformar och andra stödda källor där ZoomMate kan behöva söka i en större mängd bevarat externt innehåll. När en stödd källa har anslutits och godkänts för indexering kan ZoomMate hämta innehåll från den källan och förbereda det för senare sökning. Denna förberedelseprocess kan omfatta att dela upp större filer eller poster i mindre enheter och att lägga till metadata såsom källa, uppdateringstid, ägarskap och behörighetsinformation. Därefter skrivs det innehållet in i Zooms indexeringslager så att det senare kan sökas igenom med både exakt matchning och betydelsebaserad hämtning. När en användare skickar en begäran som är beroende av indexerat innehåll från tredje part kan ZoomMate söka i det indexerade materialet, bedöma vilka resultat som är mest relevanta och tillämpa den behörighetsinformation som är kopplad till den ursprungliga källan så att endast auktoriserat innehåll är berättigat att visas. Det mest relevanta auktoriserade innehållet kan sedan skickas vidare till ZoomMates AI-lager som stödjande kontext för svaret. På så sätt visar diagrammet hur indexerat innehåll från tredje part kan hjälpa ZoomMate att producera svar som är grundade i faktiskt anslutet affärsmaterial snarare än att enbart förlita sig på allmän modellkunskap. ## Anpassade avatarer ### Skapande av avatar

Översikt över skapandeprocessen för den anpassade avataren

Diagrammet ovan illustrerar hur en anpassad avatar skapas från en användares inspelade video och röst. Processen börjar när användaren visas ett manus och uppmanas att spela in sig själv när hen läser det. Detta guidade inspelningssteg gör att Zoom kan fånga det audiovisuella material som behövs för att generera både användarens avatarlikhet och den tillhörande röstmodellen som används i senare avatarbaserade utdata. Efter att användaren har slutfört inspelningen bearbetas ljud- och videokomponenterna via olika vägar. Ljudet skickas till en tjänst från tredje part som genererar en röslikhet baserad på användarens inspelade tal. När den bearbetningen är klar returnerar tjänsten från tredje part en unik röstidentifierare till Zoom. Zoom lagrar denna identifierare som användarens röstreferens så att den kan användas senare när avatarbaserade klipp eller andra stödda utdata som bygger på den syntetiserade rösten genereras. Samtidigt skickas videokomponenten till en av Zoom-hostad modul för avatargenerering, där Zoom bearbetar det inspelade visuella materialet för att skapa användarens avatarrepresentation. Detta resulterar i en avatarmall som Zoom lagrar för framtida bruk. Tillsammans gör dessa två bevarade utdata — den lagrade röstidentifieraren och den lagrade avatarmallen — att Zoom kan generera framtida klipp eller avatarbaserade medier som återspeglar både användarens likhet och deras syntetiserade röst. ### Skapande av klipp

Översikt över skapandeprocessen för klippet med anpassad avatar

Diagrammet ovan illustrerar hur ett klipp med anpassad avatar skapas från en användares lagrade avatar och syntetiserade röstprofil. Processen börjar när användaren laddar upp manuset som avataren ska presentera. Det manuset fungerar som källinnehåll för det genererade klippet.\ \ Därefter koordinerar Zooms webbbackend två parallella indata som behövs för att skapa slutresultatet. För det första skickar den användarens lagrade röstidentifierare tillsammans med manuset till tjänsten för röstgenerering från tredje part, som producerar ljudet för klippet med hjälp av användarens syntetiserade röst. För det andra skickar den användarens lagrade avatarmall till Zooms modul för avatargenerering så att den visuella komponenten i klippet kan förberedas med hjälp av användarens tidigare skapade avatarlikhet.\ \ När tjänsten för röstgenerering från tredje part har producerat ljudet skickas det tillbaka till Zoom och förs in i modulen för avatargenerering. Modulen för avatargenerering kombinerar sedan den lagrade avatarmallen med det genererade röstljudet och synkroniserar avatarns ansikts- och munrörelser med det talade innehållet. När denna läppsynkronisering och renderingsprocess är klar producerar Zoom det färdiga avatar-klippet och levererar det tillbaka till användaren. ## Anpassad ordlista

Diagrammet ovan illustrerar hur funktionen Anpassad ordbok hjälper till att förbättra noggrannheten i talbaserade Zoom-utdata genom att ge Zooms Automatic Speech Recognition (ASR)-tjänst ytterligare ordförrådskontext. Den här funktionen är utformad för att stödja ord, förkortningar, jargong, produktnamn eller specialiserad terminologi som kan vara specifik för ett företag, en bransch, ett team eller en region och som annars kanske inte skulle kännas igen eller återges korrekt under transkription. Processen börjar när en kontoadministratör skapar och lagrar en anpassad ordbok i Zoom-webbportalen. Den ordboken innehåller listan över godkända ord eller fraser som organisationen vill att Zoom ska känna igen mer exakt. När ordboken har sparats på kontonivå blir den tillgänglig för användning i stödda mötes- och talbearbetningssammanhang. När en användare senare startar ett möte kan Zooms AASR-tjänst ta emot kontots anpassade ordbok som en del av sin bearbetningskontext. När ASR-tjänsten omvandlar live-ljud till tal-till-text-data kan den jämföra uppfattat talat språk med den anpassade ordboken och försöka mappa igenkända ljud till de lagrade termerna. Detta ger ASR ytterligare vägledning om vilka ord den ska leta efter, hur vissa termer kan stavas och hur förkortningar eller specialiserat språk ska tolkas. Resultatet är att den initiala tal-till-text-utdata kan återge den terminologi som faktiskt användes i mötet mer exakt. Den förbättrade noggrannheten kan sedan föras vidare till efterföljande artefakter som härrör från konversationen. Om till exempel en mötessammanfattning, undertexter, avskrift eller en annan tillgång baserad på tal-till-text-data senare genereras, kan dessa utdata återspegla en mer korrekt representation av de ord som yttrades under mötet, vilket hjälper till att förbättra kvaliteten och användbarheten hos den resulterande AI-genererade artefakten. ## Anpassade mallar för mötessammanfattningar

Dataflöden för anpassade mallar för mötessammanfattningar

Diagrammet ovan illustrerar hur anpassade mötessammanfattningar genereras från en mall som definieras av användaren eller kontot. Processen börjar när en mall skapas och sparas i Zoom. På kontonivå kan en administratör definiera en anpassad mall för mötessammanfattning för organisatorisk användning. På individuell nivå kan en användare skapa en personlig mall för mötessammanfattning utifrån sina egna preferenser. När den har skapats lagras den valda mallen så att den kan tillämpas vid senare generering av sammanfattningar. När ett möte avslutas kan Zoom AI använda mötets tal-till-text-data för att generera en sammanfattning som följer strukturen och betoningen i den valda anpassade mallen. Om den anpassade mallen valdes innan mötessammanfattningen genererades, tillämpar Zoom AI den mallen direkt när sammanfattningen skapas. Detta gör att den resulterande utdata kan återspegla det specifika format, de avsnitt eller de prioriteringar som definieras i mallen i stället för bara en standardstruktur för sammanfattningar. Om en anpassad mall inte valdes innan sammanfattningen först genererades kan Zoom endast tillämpa den mallen senare om mötesavskriften bevarades. I så fall kan Zoom AI bearbeta om den bevarade avskriften med hjälp av mallens konfiguration och producera en ny sammanfattning som är anpassad till den strukturen. Om avskriften inte bevarades har Zoom dock inte den underliggande avskriften tillgänglig för ombearbetning, vilket innebär att den anpassade mallen inte kan tillämpas i efterhand. ## Direktöversättning av röst

Översikt över dataflöden för live-röstöversättning

Diagrammet ovan illustrerar hur **Live-röstöversättningar** fungerar genom att ta in talarens ursprungliga ljud via ett mötes Multimedia Router (MMR). Det ljudet förs sedan via realtidsmediastreaming (RTMS) till översättningstjänsten, där det ursprungliga talet bearbetas och översätts till målspråket. Tjänsten genererar sedan en ny översatt röstljudström, som skickas tillbaka via RTMS till MMR och levereras tillbaka in i mötet för lyssnande deltagare på det valda språket. ## Personlig ljudisolering

Översikt över hur Personlig ljudisolering isolerar en användares röst

Diagrammet ovan illustrerar hur **Personlig ljudisolering** fungerar genom att använda ett röstavtryck som lagras lokalt på användarens enhet för att skilja användarens tal från omgivande bakgrundsljud. Processen börjar när användaren spelar in ett röstprov via funktionen Personlig ljudisolering i appen Zoom Workplace. Den inspelningen används för att skapa ett lokalt röstavtryck som hjälper applikationen att känna igen användarens röstegenskaper. Detta röstavtryck finns kvar på den lokala maskinen och skickas inte till Zoom-molnet. När användaren senare talar under ett möte i en miljö med omgivande ljud använder Zoom Workplace-appen det lokalt lagrade röstavtrycket för att hjälpa till att identifiera användarens talmönster och skilja dem från omgivande ljud. Detta gör att applikationen kan minska bakgrundsljud och isolera användarens röst mer effektivt innan ljudet skickas vidare genom mötesflödet. Som ett resultat är det ljud som skickas till Zoom-molnet det förfinade mötesljudet där omgivande ljud filtrerats bort i den utsträckning funktionen stöder. Själva användarens underliggande röstavtryck skickas inte till Zooms molninfrastruktur. På så sätt fungerar Personlig ljudisolering som en lokal bearbetningsfunktion på enhetsnivå som förbättrar ljudklarheten innan det rengjorda ljudet skickas in i den live Zoom-sessionen. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://library.zoom.com/technical-library/sv/ai/ai-whitepaper/diagrams.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.