Технологии за гласов AI

Разпознаване на реч по телефона: практични решения

Защо разпознаването на реч се затруднява по телефонните линии и какво помага: по-чист звук, настройки за език и речник, внимателни въпроси, повторение и тестване.

Редакционен екип на Call · Публикувано · 5 мин четене

Гласовият агент е толкова добър, колкото това, което чува. Ако разпознаването на реч превърне „вторник в десет“ в „втори до десет“, всичко след това върви грешно, колкото и добър да е езиковият модел. Същото важи за преписите и резюметата на обажданията: грешка на етапа на разпознаване се разпространява във всяка следваща стъпка.

Техник слуша звука на обаждане през слушалки, докато проверява препис на екран
Илюстративно изображение

Това ръководство обяснява защо телефонната реч е трудна, кои грешки са най-чести и кои поправки си струват времето. За основите на конвейера вижте Как работи гласовият AI: STT, LLM и TTS, а за звуковата страна Защо телефонният звук е труден за разпознаване на реч.

Защо телефонната реч е трудна

Телефонното обаждане стиска човешкия глас през тесен канал. Високите и ниските честоти се отрязват, сигналът се компресира и пакети могат да се загубят по пътя. После добавете обкръжението на обаждащия се: трафик, телевизор, вятър, високоговорител в кухня. Системите за разпознаване са обучени на много реч, но такива условия пак вдигат процента грешки.

Какво влошава разпознаването

  • Тясна честотна лентаТелефонният звук носи по-малко подробности от обикновените записи, така че сходните звуци се размиват.
  • Фонов шумКоли, тълпи и машини се конкурират с гласа.
  • Лоши микрофониВисокоговорители, евтини слушалки и отдалечени микрофони добавят ехо.
  • Стил на говоренеБързата реч, мърморенето и непознатите акценти са по-трудни.
  • Редки думиИмена, марки, имена на улици и жаргон, които системата рядко е виждала.
  • Припокриваща се речПрекъсвания, странични разговори и двама души, говорещи едновременно.

Типични грешки

Очаквайте проблеми със сходно звучащи думи, цифри, четени на групи, имена, изписани буква по буква, дати и часове и къси думи в началото на изречение. Да знаете кои грешки имате, улеснява поправянето им. Вижте Как да получите правилно имена, числа и адреси по глас.

Започнете с основите

Преди да променяте нещо хитро, проверете простите неща.

Основен контролен списък по ред

  1. Проверете звукаПослушайте записи на реални обаждания. Ако не можете да разберете част, системата също не може.
  2. Задайте езикаИзберете езика, който използват обаждащите се, или включете автоматично разпознаване, ако обаждащите се варират.
  3. Настройте паузитеРегулирайте колко дълго трае тишината, преди системата да реши, че обаждащият се е приключил.
  4. Настройте обработката на шумаНаправете системата по-малко или по-силно чувствителна към фонов звук.
  5. Тествайте с реални гласовеОпитайте с различни говорещи, устройства и места.

Език и разпознаване

Ако повечето обаждащи се говорят един език, задайте го изрично. Автоматичното разпознаване е полезно, когато обаждащите се варират, но може да му трябват няколко думи, за да се установи, а кратки реплики като „да“ могат да бъдат изтълкувани погрешно. За многоезична линия прочетете Многоезична телефонна поддръжка с AI. Акцентите и диалектите също имат значение; вижте Акценти и диалекти при гласов AI.

Паузи и редуване на репликите

Ако системата прекъсва хората по средата на изречение, повишете прага на тишина, така че да чака по-дълго. Ако изглежда бавна в отговора, го понижете. По-възрастните обаждащи се и хората, които диктуват числа, правят повече паузи; тествайте с тях. Праг, който подхожда на бърза размяна, може да разочарова онези, които мислят на глас. Вижте Откриване на гласова активност и Редуване на репликите при гласови агенти.

Чувствителност към шум

Шумна улица може да подведе системата да чуе реч там, където я няма, или да скрие тиха реч. Тествайте в шумна обстановка, не само в офис, и регулирайте чувствителността стъпка по стъпка.

Проектирайте въпроси, които се разпознават лесно

Често най-евтиното подобрение изобщо не е в разпознавателя, а в онова, което агентът пита.

Потвърждавайте важното

За имена, телефонни номера, дати, адреси и всичко с последствия повторете чутото и помолете обаждащия се да потвърди. „Записах вторник, четвърти, десет сутринта. Правилно ли е?“ е много по-надеждно от предположението. Предложете друг начин да се подаде трудната информация, като съобщение, изпратено по-късно на човека, за да я допълни, където е позволено.

Помогнете на системата с вашите думи

Грешките в разпознаването често се концентрират върху думи, специфични за бизнеса ви: имена на продукти, имена на служители, имена на места, медицински или технически термини. Начини да помогнете включват:

Забележете разликата между слушане и говорене. Речникът за произношение променя как се изговаря думата, а не как се чува.

Справяйте се елегантно с провала

Дори добре настроена система понякога чува погрешно. Проектирайте резервния вариант: след един неуспешен опит преформулирайте въпроса; след втори предложете друг начин, като човек, обратно повикване или съобщение. Никога не въртете обаждащия се през една и съща подкана три пъти. Елегантният изход защитава отношенията, когато технологията се провали.

Измервайте и тествайте

Без измерване не можете да кажете дали една промяна е помогнала. Изградете малък тестов набор от реални обаждания със съгласие и отбелязано разрешение: може би петдесет кратки откъса, покриващи типичните ви гласове, устройства и шум. За всеки сравнете казаното с разпознатото и броете грешките, които са имали значение, като грешна цифра, а не всяка дребна дума.

Месечен преглед на разпознаването

  • Послушайте извадка от реални обаждания, включително провалилите се.
  • Изброете петте най-често чути погрешно думи или фрази.
  • Проверете дали формулировката, настройките или речникът могат да ги решат.
  • Тествайте отново същите откъси след всяка промяна.
  • Включете шумни и акцентирани извадки, не само чисти.
  • Записвайте промените и резултатите, за да не повтаряте експеримент.

Вижте Как да тествате гласов AI агент преди пускане и Как да оценявате разговорите на гласов агент.

Как се прави в Call

Call ви позволява да регулирате слушането за всеки AI агент в гласовите му настройки. В секцията на транскриптора избирате езика или го разпознавате автоматично и местите праг на тишина и контрол на чувствителността към шум. Банер на страницата казва кои настройки използват живите обаждания днес. Повишете прага на тишина, ако агентът прекъсва обаждащите се по средата на изречение.

Разпознаването в Call зависи от обаждането и телефонната линия, затова тествайте на реални линии. Вижте Използване на историята и резюметата на обажданията в Call и Търсене в преписите на обажданията в Call.

Често задавани въпроси

Защо разпознаването на реч по телефона е по-малко точно, отколкото на смартфона ми?

Телефонните линии носят по-тесен, по-компресиран звук от съвременния микрофон, а обаждащите се често са на шумни места или на високоговорител. Софтуерът има по-малко за работа, затова се случват повече грешки.

Да задам един език или да използвам автоматично разпознаване?

Ако почти всички обаждащи се използват един език, задайте го. Използвайте автоматично разпознаване, когато обаждащите се варират, и тествайте кратки отговори като да и не, които могат да се разпознаят погрешно.

Как да подобря разпознаването на имена и числа?

Питайте за по един елемент, кажете на обаждащите се как да изговарят цифрите, потвърждавайте с повторение и добавяйте важните термини в речника, където системата ви го позволява.

Подобрява ли речникът за произношение онова, което агентът чува?

Не. Подобрява как агентът произнася думите на глас. Може да помогне на обаждащите се да разберат агента, но разпознаването е отделна настройка.

Как да разбера дали една промяна е помогнала?

Пазете фиксиран набор от откъси от реални обаждания, броете грешките, които имат значение, преди и след и пускайте същия набор след всяка промяна. Едно късметлийско обаждане не доказва нищо.

Настройте транскриптора и преглеждайте преписите на обажданията в Call

В демо конзолата можете да изпробвате входящи обаждания в симулация.

Свързани ръководства

Технологии за гласов AI

Промптове за по-добри обобщения на обажданията

Как да напишете промпт, който превръща транскрипцията на обаждане в кратка, точна бележка: за кого е, какво да включва, правила срещу измислици и как да го тествате.

Редакционен екип на Call ·
Технологии за гласов AI

Анализ на настроението при обаждания: ползи и граници

Какво измерва анализът на настроението при обажданията, кога помага за сортиране и тенденции, кога подвежда и как да го ползвате без несправедливи решения.

Редакционен екип на Call ·
Технологии за гласов AI

SIP транк: как бизнес обажданията преминават през интернет

Какво е SIP транк, с какво се различава от традиционните телефонни линии, какво да проверите за кодеци, канали и резервиране и как да изберете доставчик.

Редакционен екип на Call ·
Технологии за гласов AI

Модели „реч към реч“ срещу каскадни гласови вериги

Два начина за изграждане на телефонен гласов агент: модели „реч към реч“ и каскадни вериги. В какво е силен всеки, къде е слаб и как да изберете чрез тестване.

Редакционен екип на Call ·