كيف يعمل الذكاء الاصطناعي الصوتي: من الكلام إلى النص ثم إلى الكلام
جولة بلغة بسيطة في المسار الذي يقوم عليه وكلاء الهاتف الصوتيون: الكلام إلى نص، ونموذج لغوي، والنص إلى كلام، مع تبادل الأدوار والتأخير والإحالات الآمنة.
قد تبدو المكالمة مع وكيل ذكاء اصطناعي كالسحر أو كاللغز، بحسب نجاحها. ووراءها فكرة بسيطة نسبيًا: تحويل صوت المتصل إلى نص، وترك نموذج لغوي يقرر ما يقوله، وتحويل الرد إلى كلام مرة أخرى، وكل ذلك بسرعة تكفي ليبدو محادثة. يشرح هذا الدليل كل مرحلة، وأين تسوء الأمور، وما يعنيه ذلك لكيفية إعداد وكيل. وللصورة الأوسع، ابدأ بـ ما هو الاستقبال الهاتفي بالذكاء الاصطناعي؟.

الحلقة الأساسية لمكالمة بالذكاء الاصطناعي الصوتي
- الاستماعيُلتقط صوت المتصل ويُنقّى.
- التفريغيحوّل التعرف على الكلام الصوت إلى كلمات.
- القراريختار نموذج لغوي ما يقوله أو يفعله بعد ذلك.
- الكلامتحوّل هذه المرحلة الرد إلى صوت.
- التكرارتدور الحلقة في كل دور إلى أن تنتهي المكالمة أو تُحال.
المرحلة الأولى: الكلام إلى نص
يحوّل التعرف على الكلام الصوت إلى كلمات. وعلى خط الهاتف يكون الصوت ضيق النطاق ومضغوطًا، مما يجعله أصعب من تسجيل الاستوديو. وتؤثر اللهجات وضوضاء الخلفية وتداخل الأصوات والأسماء غير المألوفة في الدقة. وتستطيع الأنظمة الحديثة أن تجيد الكلام اليومي، لكن الأرقام والتهجئة والأسماء والكلمات المتخصصة كأسماء الأدوية أو الشوارع نقاط ضعف شائعة.
- يُنتج التعرف المتدفق كلمات بينما المتصل ما زال يتكلم، مما يوفر الوقت.
- تحتاج أجهزة التعرف غالبًا إلى تلميحات، مثل قائمة بأسماء المنتجات أو الأماكن، لتحسن أداءها.
- الثقة ليست يقينًا؛ فقد يكون النظام واثقًا وهو مخطئ.
- الإصغاء لنهاية الدور مهمة منفصلة عن التعرف على الكلمات.
مزيد من التفاصيل في التعرف على الكلام في المكالمات الهاتفية، و معالجة الأرقام والأسماء و اللهجات واللكنات.
المرحلة الثانية: النموذج اللغوي
يقرأ نموذج لغوي كبير النص المفرّغ حتى الآن، مع التعليمات التي كتبتها وأي معلومات قدمتها، ثم يُنتج الرد التالي. وهو لا يبحث عن الأشياء بنفسه؛ بل يعتمد على ما أُعطيه. ولهذا يهم التعليمات وقاعدة المعرفة كثيرًا. ويمكن للنموذج أن يبدو طليقًا وهو مخطئ، ولذا فالضوابط والاختبار أساسيان.
ما الذي يشكّل رد النموذج
- التعليماتالدور والنبرة والقواعد والحدود التي تعطيه إياها.
- المعرفةالمستندات والأسئلة والأجوبة والحقائق التي يجوز له الاستناد إليها.
- المحادثة حتى الآنما قيل في هذه المكالمة.
- الأدواتإجراءات يجوز له اتخاذها، مثل البحث عن طلب أو تدوين رسالة.
أدلة مثل كتابة التعليمات لوكيل هاتفي، والتوليد المعزز بالاسترجاع (RAG) للوكلاء الصوتيين، والهلوسة والضوابط تتعمق أكثر. والتعليمات التي تقول ما يجب فعله عند عدم التأكد، كعرض شخص أو أخذ رسالة، تمنع كثيرًا من المشكلات.
المرحلة الثالثة: النص إلى كلام
تحوّل هذه المرحلة الرد إلى صوت. تتفاوت الأصوات في الوضوح والدفء وطريقة التعامل مع التوقفات والأرقام والأسماء في لغتك. ويمكن ضبط بعضها أو تعديله بقاموس نطق. اختر صوتًا للوضوح على خط الهاتف لا للجدّة، واختبره بالعبارات الفعلية التي سينطقها. انظر تحويل النص إلى كلام باليابانية لمثال على المشكلات الخاصة بكل لغة، واستنساخ الأصوات للموافقة والمخاطر عند استخدام صوت مخصص.
لماذا يحدد التوقيت التجربة
للمحادثة البشرية أدوار سريعة. وفجوة تزيد على ثانية أو نحوها تبدو غريبة. وفي مسار من ثلاث مراحل تضيف كل خطوة تأخيرًا، وقد يستغرق النموذج وقتًا ليفكر. يقلل المصممون التأخير بالتدفق: البدء بالكلام قبل أن يجهز الرد كله، والبدء بالتفريغ قبل أن يتوقف المتصل. كما يضبطون متى يُقرَّر أن المتصل انتهى.
مسار مقابل نموذج كلام إلى كلام
| مسار من ثلاث مراحل | نموذج كلام إلى كلام | |
|---|---|---|
| كيف يعمل | تعرّف ونموذج وصوت منفصلة | نموذج واحد يعالج الصوت الداخل والخارج |
| التحكم | يمكن ضبط كل مرحلة أو استبدالها | أقل ظهورًا، وأكثر تكاملًا |
| التأخير | يتراكم عبر المراحل | قد يكون أقل |
| النص المفرّغ | النص متاح في كل خطوة | قد يحتاج إلى عمل إضافي لإنتاج نص |
| النضج | واسع الاستخدام | أحدث، ويتغير بسرعة |
نماذج الكلام إلى كلام نهج أحدث. وفي الحالتين، فإن زمن الاستجابة، والمقاطعات وتبادل الأدوار تحدد هل يبدو الوكيل طبيعيًا.
المقاطعات
يقاطع الناس. والوكيل الجيد يتوقف عن الكلام عندما يبدأ المتصل، ولا يحسب سعلة أو صوتًا في الخلفية مقاطعة. ويعتمد هذا على اكتشاف الكلام، كما في اكتشاف النشاط الصوتي. والأنظمة سيئة الضبط إما تتحدث فوق المتصلين أو تنتظر طويلًا.
الأدوات والمعرفة والإجراءات
يصبح الوكيل الصوتي مفيدًا حين يستطيع أكثر من الدردشة. فمع الأدوات المتصلة يمكنه البحث عن المعلومات وتسجيل رسالة وتدوين طلب معاودة اتصال أو تمرير المكالمة إلى شخص. وينبغي أن يكون لكل أداة غرض ضيق وقواعد واضحة. يستطيع الوكيل أخذ طلب موعد؛ أما تأكيده فمسألة أخرى، وتفضّل أنشطة كثيرة أن يؤكده شخص. ويشرح استدعاء الدوال كيف تُوصف الأدوات للنموذج.
ما الذي يحدث للصوت وللنص
تعالج كل مرحلة بيانات شخصية. فالصوت يحمل صوتًا؛ والنص المفرّغ يحمل ما قيل، وغالبًا أسماء وعناوين وأسباب الاتصال. قبل أن تنشر، اعرف أين تعمل كل مرحلة، وما الذي يُخزَّن، ولكم من الوقت، ومن يستطيع قراءته. وقرّر هل ينبغي أن يجمع الوكيل أصلًا التفاصيل الحساسة، كالدفع أو المعلومات الصحية، أم تُمرَّر إلى شخص. ويغطي تصميم الذكاء الاصطناعي الصوتي مع مراعاة الخصوصية ذلك بتعمق أكبر.
أبقِ مهمة الوكيل ضيقة. فالوكيل الذي يجيب عن الأسئلة الشائعة ويأخذ رسالة ويحيل أسهل في الاختبار، وأسهل في الشرح للمتصلين، وأسهل في إبقائه ضمن وعود الخصوصية من وكيل يحاول فعل كل شيء.
ما يمكن توقعه عمليًا
توقع نتيجة جيدة في المكالمات البسيطة المتوقعة: ساعات الدوام والاتجاهات والأسئلة الأساسية وأخذ رسالة. وتوقع صعوبة أكبر في المكالمات الطويلة أو العاطفية أو الملتبسة، واللهجات القوية، والخطوط الرديئة، والطلبات التي تحتاج إلى حكم. ويبدأ الإطلاق المعقول بمجموعة صغيرة من أنواع المكالمات، ويستمع إلى كل مكالمة في البداية، ثم يتسع مع نمو الثقة. والعبارة التي تُتذكر: الوكيل مصمم للمساعدة في مهام محددة، لا لاستبدال الحكم.
أين تسوء الأمور
- كلمات أو أرقام مسموعة خطأً تؤدي إلى إجابات خاطئة.
- يختلق النموذج إجابة بدلًا من الاعتراف بأنه لا يعرف.
- التأخير يجعل المتصلين يكررون كلامهم أو يغلقون الخط.
- تُعدّ ضوضاء الخلفية أو تداخل الكلام كلامًا.
- يريد المتصل شيئًا خارج نطاق الوكيل ولا يستطيع الخروج.
صمّم لهذه الحالات. اجعل الوصول إلى شخص سهلًا، وأبقِ الإجابات قصيرة، وأكّد التفاصيل المهمة كالأرقام والتواريخ، وراجع مكالمات حقيقية بانتظام. ويشرح اختبار الوكيل الصوتي ومقاييس التقييم كيف.
التنفيذ في Call
في Call، يُبنى وكيل الذكاء الاصطناعي من شخصية وتعليمات وصوت ولغة ومصادر معرفة، ثم يُختبر على الشاشة وعبر الهاتف قبل تشغيله على خط. ويتيح لك Call الاختيار بين الأصوات، وضبط النطق بقاموس، وتعديل طريقة التعرف على الكلام، وإبقاء المصادر محدّثة. والوكيل مصمم ليحوّل المتصلين إلى شخص عند الطلب، ويستطيع أخذ رسالة. وإلى أن تشغّل وكيلًا على خط، ترنّ المكالمات لدى فريقك. اختبر دائمًا بمكالماتك أنت أولًا. ويرشدك إعداد وكيل ذكاء اصطناعي في Call عبر الخطوات.
الأسئلة الشائعة
ما الأجزاء الثلاثة لوكيل الذكاء الاصطناعي الصوتي؟
الكلام إلى نص ليسمع المتصل، ونموذج لغوي ليقرر ما يقوله، والنص إلى كلام لينطق الرد. وبعض الأنظمة الأحدث تجمعها.
لماذا يتوقف الذكاء الاصطناعي أحيانًا قبل أن يجيب؟
تستغرق كل مرحلة وقتًا، ويجب أن يقرر النظام أن المتصل انتهى من الكلام. ويمكن للتدفق والضبط تقصير الفجوة لكن لا إزالتها.
هل يستطيع الذكاء الاصطناعي اختلاق المعلومات؟
نعم. يستطيع النموذج اللغوي إنتاج إجابات معقولة لكنها خاطئة. زوّده بمعرفة جيدة وحدود واضحة وتعليمات بعرض شخص عند عدم التأكد.
هل يستطيع الوكيل الصوتي حجز المواعيد؟
يستطيع أخذ طلب وتمريره. وتفضّل أنشطة كثيرة أن يؤكده شخص، لذا قرّر ما يُسمح للوكيل بالوعد به.
هل يجب إخبار المتصلين بأنه ذكاء اصطناعي؟
في أماكن كثيرة يتوقع الناس ذلك أو يحق لهم معرفته. قل ذلك بوضوح في بداية المكالمة وراجع القواعد المنطبقة عليك.
كيف أتحقق من أنه يعمل؟
اختبر بمكالمات حقيقية بلهجات ومستويات ضوضاء مختلفة، واستمع إلى النتائج، واحتفظ بقائمة أسئلة تعيد تشغيلها بعد كل تغيير.