اكتشاف النشاط الصوتي: معرفة متى ينتهي المتصل من كلامه
كيف يميّز اكتشاف النشاط الصوتي بين الكلام والصمت في المكالمة، ولماذا يختل التوقيت، وكيف تضبط مدة انتظار الصمت كي لا يقاطع الوكيل أو يتأخر.
حين يتحدث شخصان على الهاتف، نادرًا ما يفكران في من سيتحدث تاليًا. أما الوكيل الصوتي فعليه أن يحسب ذلك. والخطوة الأولى سؤال بسيط على نحو مفاجئ يُطرح مرات عديدة في الثانية: هل يتحدث أحد الآن؟ والمكوّن الذي يجيب عنه يُسمّى اكتشاف النشاط الصوتي، أو VAD.

يشرح هذا الدليل ما يفعله VAD، ولماذا يكون أصعب على خط هاتفي منه في غرفة هادئة، وما معنى الإعدادات، وكيف تضبطها. وللصورة الأشمل عن طريقة عمل الوكيل الصوتي، اقرأ كيف يعمل الذكاء الاصطناعي الصوتي في المكالمة الهاتفية.
ما الذي يفعله اكتشاف النشاط الصوتي
يفحص VAD تدفق الصوت في شرائح قصيرة جدًا ويصنّف كلًّا منها على أنها كلام أو غير كلام. النسخ البسيطة تقيس شدة الصوت فقط، أما الأفضل فنماذج مدرّبة تتعرف على نمط الكلام البشري وتتجاهل نقرات لوحة المفاتيح أو شاحنة عابرة أو تلفازًا في الخلفية.
تغذّي هذه التصنيفات ثلاثة قرارات في الوكيل الصوتي:
- بداية الكلام: بدأ المتصل الحديث، فينبغي للوكيل أن يستمع، وإن كان يتحدث فعليه أن يفكر في التوقف.
- نهاية الكلام: صمت المتصل مدة كافية لترجيح انتهاء دوره، فيمكن للوكيل أن يجيب.
- لا شيء لتحويله إلى نص: إن كان الصوت مجرد ضوضاء، فلا يُطلب من محرك التعرف على الكلام تخمين كلمات.
ولأن كل ما يأتي بعد VAD يعتمد عليه، فإن VAD الضعيف يجعل الوكيل الجيد يبدو سيئًا. فالرد الذي يصل بينما لا يزال المتصل يتحدث نادرًا ما يكون مشكلة لغوية، بل هو في الغالب مشكلة توقيت.
لماذا تجعل المكالمات الهاتفية الأمر أصعب
الخط الهاتفي قناة ضيقة ومضغوطة، كثيرًا ما تنقل متصلًا في الشارع أو في سيارة أو في متجر. وهذا المزيج يطمس الحد الفاصل بين الكلام والضوضاء. ويتناول مقال لماذا يصعب الصوت الهاتفي على التعرف على الكلام الصوت نفسه؛ أما هنا فإليك الآثار الخاصة بـ VAD.
ما الذي يربك أداة الاكتشاف
- ضوضاء الخلفيةقد تُحسب حركة المرور والرياح وأحاديث المقاهي كلامًا، فيبقى الدور مفتوحًا.
- المتحدثون بصوت منخفضقد يُصنَّف الصوت الخافت صمتًا، فيتحدث الوكيل فوق صوت المتصل.
- التوقف في منتصف الجملةيتوقف الناس للتفكير، أو لتهجئة اسم، أو للبحث عن رقم في حقيبتهم.
- الصدى وارتداد الصوتتسرّب صوت الوكيل نفسه عائدًا قد يبدو كأن المتصل يتحدث.
- الأنفاس وكلمات الحشوأصوات مثل «امم» أو التنهد قد تُحسب دورًا وقد لا تُحسب.
موازنة حد الصمت
الإعداد الأهم هو المدة التي يجب أن يستمر فيها الصمت قبل أن يقرّر النظام أن المتصل انتهى. لنسمّه حد الصمت. وهو موازنة لا قيمة مثالية لها.
حد صمت قصير مقابل حد صمت طويل
| انتظار قصير | انتظار طويل | |
|---|---|---|
| انطباع المكالمة | سريعة وحيوية | أبطأ وأكثر تأنيًا |
| الخطر | يقاطع بينما يفكر المتصل أو يقرأ رقمًا | فراغ صامت بعد كل إجابة؛ والمتصلون يكررون كلامهم |
| يناسب | التبادلات القصيرة بنعم أو لا | الأسماء والعناوين وبيانات الحسابات والمتصلين المسنين أو المترددين |
فكّر في محتوى المكالمة. فإن كنت تطرح في الغالب أسئلة إجابتها نعم أو لا، فالانتظار القصير يناسب. وإن كان على المتصلين ذكر عنوان بريد إلكتروني أو رقم مرجعي، فالانتظار الأطول يمنع الوكيل من التدخل أثناء توقف بين الأرقام.
استخدام سرعات مختلفة لأسئلة مختلفة
بعض الأنظمة تتيح لك تغيير مدى الصبر حسب السؤال: كن سريعًا حين تسأل المتصل عمّا إذا كان يريد معاودة الاتصال، وصبورًا حين تسأله عن الرمز البريدي. وإن لم تدعم منصتك ذلك، فاختر الإعداد الذي يناسب أصعب أسئلتك، لأن مقاطعة المتصل أكثر إزعاجًا من توقف قصير.
ضبط إعدادات VAD في Call
في Call، لكل وكيل ذكاء اصطناعي قسم «تحويل الكلام إلى نص» تختار فيه اللغة التي يستمع إليها، أو تدعه يكتشف اللغة تلقائيًا. ويحدد شريطا تمرير كيف يقرّر أن المتصل انتهى. فـ«حد الصمت» هو عدد ثواني الهدوء قبل انتهاء دور المتصل، ويمكن ضبطه بين 0 و1.5 ثانية؛ والقيمة الأقل تعني تبادلًا أسرع للأدوار، والأعلى تسمح بتوقفات أطول. أما شريط «حساسية الضوضاء» فيجعل الوكيل أكثر أو أقل حساسية لأصوات الخلفية. ويخبرك شريط تنبيه في تلك الصفحة بأيٍّ من هذه الإعدادات تستخدمه المكالمات الفعلية اليوم، فتحقق منه قبل أن تقضي وقتًا في التعديل.
حلقة ضبط بسيطة
- ابدأ بالقيم الافتراضيةأجرِ مجموعة مكالمات اختبار أساسية قبل تغيير أي شيء.
- اختبر الحالات الصعبةاتصل من مكان صاخب، وتحدث ببطء، وتوقف في منتصف رقم، وتحدث بصوت منخفض.
- غيّر إعدادًا واحدًاعدّل إما الصمت أو حساسية الضوضاء، لا كليهما معًا.
- أعد الاختبار وقارناستخدم النص نفسه كي تكون الفروق ناتجة عن الإعداد.
- راجع المكالمات الحقيقيةاقرأ النصوص المفرغة بحثًا عن متصلين قوطعوا أو فجوات طويلة، ثم عدّل مجددًا.
لنأخذ متصلًا افتراضيًا يذكر رقمًا مرجعيًا لحجز. يقول الأحرف الأربعة الأولى، ثم يلقي نظرة على بريد التأكيد ويكمل بعد ثانيتين. مع الانتظار القصير يكون الوكيل قد أجاب بالفعل، فيبدأ المتصل من جديد ويتحدث الاثنان في الوقت نفسه. ومع الانتظار الأطول يُكمل المتصل نفسه الرقم المرجعي دفعة واحدة. والآن تخيّل متصلًا لا يحتاج إلا إلى قول نعم. فالانتظار الأطول يكلّفه ثانية من الصمت في كل دور. والإعداد الصحيح يعتمد على أيٍّ من هذه المكالمات تتوقعها أكثر.
ويضيف المتصلون من الجوال تعقيدًا آخر. فالهواتف ذات كبت الضوضاء الشديد تقتطع أحيانًا المقطع الأول من الجملة، فتصل بداية الكلام متأخرة. وإن بدا كثيرًا أن المتصلين يبدؤون الحديث فيُتجاهَلون، فجرّب إعداد الضوضاء الأكثر حساسية واختبر مجددًا من هاتف محمول.
قراءة الأعراض
يمكنك غالبًا معرفة اتجاه الخلل في الإعداد بالاستماع إلى المكالمات.
| ما تسمعه | السبب المرجّح | ما الذي تجرّبه |
|---|---|---|
| الوكيل يتحدث فوق صوت المتصل | انتظار الصمت قصير جدًا، أو الكلام الخافت لم يُلتقط | ارفع حد الصمت، وزِد حساسية الضوضاء |
| توقفات طويلة قبل كل إجابة | انتظار الصمت طويل جدًا | اخفض الحد قليلًا |
| الوكيل يستجيب لما لا شيء | الضوضاء تُعامَل ككلام، فلا يُغلق الدور أبدًا | قلّل حساسية الضوضاء |
| الوكيل يتجاهل متصلًا خافت الصوت | الكلام يُعامَل كضوضاء | زِد حساسية الضوضاء |
| الردود تبدو بطيئة حتى مع انتظار قصير | تأخير في موضع آخر من سلسلة المعالجة | راجع دليل زمن الاستجابة |
للتأخير مصادر عدة غير VAD. ويميّز بينها مقال زمن استجابة الذكاء الاصطناعي الصوتي: لماذا تبدو الردود بطيئة وأما مقال التعامل مع المقاطعة أثناء الكلام فيتناول ما يحدث حين يتحدث المتصل أثناء كلام الوكيل.
ما بعد الصمت: قرارات أذكى لنهاية الدور
الصمت وحده إشارة فظّة. فالأساليب الأحدث تأخذ في الاعتبار ما قيل أيضًا: الجملة التي تنتهي بـ«و» أو «أو»، أو الرقم المنطوق نصفه، تعني على الأرجح أن هناك المزيد، بينما السؤال المكتمل على الأرجح لا يعني ذلك. وتُوصف هذه الأساليب بتفصيل أكبر في تبادل الأدوار في الوكلاء الصوتيين. وأيًّا كانت التقنية، فتعامل مع ادعاءات المزوّدين على أنها فرضيات وتحقق منها بمكالماتك.
قبل التشغيل الفعلي، تأكد من أن
- الوكيل لا يقاطع حين يقرأ المتصلون الأرقام
- التوقف لثانية أو ثانيتين لا يُعامَل كنهاية للدور
- المتصل في شارع صاخب لا يزال مفهومًا
- صوت الوكيل نفسه لا يحفّز أداة الاكتشاف
- استمعت إلى مكالمات من هواتف جوالة، لا من الهواتف المكتبية فقط
- تعرف أين تغيّر الإعدادات إن كشفت المكالمات الحقيقية عن مشكلة
ما الذي تفعله بعد ذلك في Call
افتح إعدادات صوت الوكيل، وراجع قسم «تحويل الكلام إلى نص»، وأجرِ «مكالمة تجريبية» تتصل بهاتفك عبر الخط. ثم افتح المكالمة في «سجل المكالمات»، حيث يستطيع المدير رؤية المدة التي استغرقها كل دور منطوق، وقارنها بانطباعك عن المكالمة. فالتغييرات الصغيرة في حد الصمت أسهل في الحكم عليها بالاستماع المقارن منها بالاعتماد على الذاكرة.
الأسئلة الشائعة
ماذا تعني VAD؟
اكتشاف النشاط الصوتي (Voice Activity Detection). وهو الجزء من النظام الصوتي الذي يميّز الكلام عن الصمت وضوضاء الخلفية.
هل VAD هو نفسه التعرف على الكلام؟
لا. فـ VAD يقرّر فقط ما إذا كان أحد يتحدث، أما التعرف على الكلام فيحوّل الكلام إلى نص. يعملان معًا، ويقرّر VAD أيضًا متى يتوقف الاستماع ويبدأ الرد.
لماذا يقاطعني الوكيل أحيانًا؟
على الأرجح أن انتظار الصمت قصير جدًا بالنسبة لطريقة كلامك، أو أن توقفًا ما عُومل كنهاية لدورك. ورفع حد الصمت يساعد عادةً.
لماذا يوجد توقف طويل قبل أن يجيب الوكيل؟
قد يكون انتظار الصمت طويلًا، أو يكون التأخير في موضع آخر، مثل توليد الرد. تحقق من الإعدادات أولًا، ثم انظر إلى توقيت الاستجابة في سجل المكالمات.
هل تؤثر ضوضاء الخلفية في النتيجة؟
نعم. فقد تُحسب الضوضاء كلامًا فيبقى الدور مفتوحًا، وقد يُحسب الكلام الخافت ضوضاء. وتساعدك إعدادات حساسية الضوضاء ومكالمات الاختبار من أماكن واقعية على إيجاد التوازن.
هل يمكن لإعداد واحد أن يناسب كل متصل؟
نادرًا. اختر قيمة تناسب أكثر أسئلتك تطلبًا وراجع المكالمات الحقيقية، لأن المتصلين الصبورين والسريعين يتصرفون بشكل مختلف.