Technologie hlasové AI

Zlepšení rozpoznávání řeči v telefonních hovorech: praktická řešení

Proč má rozpoznávání řeči na telefonních linkách potíže a co pomáhá: čistší zvuk, nastavení jazyka a slovníku, promyšlené otázky, zopakování údajů a testování.

Redakce Call · Zveřejněno · Čtení na 5 min

Hlasový agent je tak dobrý, jak dobře slyší. Pokud rozpoznávání řeči změní „třináct“ na „třicet“, všechno potom jde špatně, ať je jazykový model jakkoli dobrý. Totéž platí pro přepisy a souhrny hovorů: chyba ve fázi rozpoznávání se šíří do každého dalšího kroku.

Technik poslouchá zvuk hovoru ve sluchátkách a zároveň kontroluje přepis na obrazovce
Ilustrační obrázek

Tento průvodce vysvětluje, proč je telefonní řeč obtížná, které chyby jsou nejčastější a které opravy stojí za váš čas. Pozadí celého řetězce najdete v článku Jak funguje hlasová AI: STT, LLM a TTSa k zvukové stránce v článku Proč je telefonní zvuk pro rozpoznávání řeči obtížný.

Proč je telefonní řeč obtížná

Telefonní hovor protlačí lidský hlas úzkým kanálem. Vysoké a nízké frekvence se ořežou, signál se komprimuje a po cestě se mohou ztratit pakety. K tomu přidejte okolí volajícího: dopravu, televizi, vítr, hlasitý odposlech v kuchyni. Systémy rozpoznávání se učí na velkém množství řeči, ale takové podmínky stále zvyšují chybovost.

Co zhoršuje rozpoznávání

  • Úzké pásmoTelefonní zvuk nese méně detailů než běžné nahrávky, takže se podobné zvuky slévají.
  • Hluk na pozadíAuta, davy a stroje soupeří s hlasem.
  • Špatné mikrofonyHlasitý odposlech, levná sluchátka a vzdálené mikrofony přidávají ozvěnu.
  • Styl mluvyRychlá řeč, mumlání a neznámé přízvuky jsou obtížnější.
  • Vzácná slovaJména, značky, názvy ulic a žargon, které systém málokdy viděl.
  • Překrývající se řečPřerušování, vedlejší rozhovory a dva mluvící lidé.

Typické chyby

Počítejte s potížemi u slov znějících podobně (třináct a třicet), číslic čtených po skupinách, hláskovaných jmen, dat a časů a krátkých slov na začátku věty. Když víte, jaké chyby máte, snáz je opravíte. Viz Jak správně zachytit jména, čísla a adresy hlasem.

Začněte základy

Než změníte cokoli důmyslného, zkontrolujte jednoduché věci.

Základní kontrolní seznam popořadě

  1. Zkontrolujte zvukPoslechněte si nahrávky skutečných hovorů. Pokud nerozumíte nějakému úseku, nerozumí mu ani systém.
  2. Nastavte jazykZvolte jazyk, který volající používají, nebo zapněte automatické rozpoznání, pokud se liší.
  3. Vyladěte pauzyUpravte, jak dlouho trvá ticho, než systém rozhodne, že volající skončil.
  4. Vyladěte potlačení hlukuUdělejte systém víc či méně citlivým na zvuky v pozadí.
  5. Testujte se skutečnými hlasyVyzkoušejte různé mluvčí, zařízení a místa.

Jazyk a rozpoznávání

Pokud většina volajících mluví jedním jazykem, nastavte ho výslovně. Automatické rozpoznání je užitečné, když se volající liší, ale ustálení může trvat několik slov a krátké promluvy, jako „ano“, se mohou posoudit chybně. K vícejazyčné lince si přečtěte Vícejazyčná telefonní podpora s AI. Záleží také na přízvucích a dialektech; viz Přízvuky a dialekty v hlasové AI.

Pauzy a střídání promluv

Pokud systém lidem skáče do řeči, zvyšte práh ticha, aby čekal déle. Pokud odpovídá pomalu, snižte jej. Starší volající a lidé, kteří diktují čísla, dělají víc pauz; testujte s nimi. Práh, který vyhovuje svižné výměně, může frustrovat ty, kdo přemýšlejí nahlas. Viz Detekce hlasové aktivity a Střídání promluv u hlasových agentů.

Citlivost na hluk

Hlučná ulice může systém oklamat, aby slyšel řeč tam, kde není, nebo může zakrýt tichou řeč. Testujte v hlučném prostředí, nejen v kanceláři, a citlivost upravujte po krocích.

Navrhujte otázky, které se dobře rozpoznávají

Nejlevnější zlepšení často není v rozpoznávači vůbec, ale v tom, na co se agent ptá.

Potvrzujte, na čem záleží

U jmen, telefonních čísel, dat, adres a čehokoli s důsledky zopakujte, co jste slyšeli, a požádejte volajícího o potvrzení. „Mám úterý čtvrtého v deset dopoledne. Je to správně?“ je mnohem spolehlivější než předpoklad. Nabídněte jiný způsob, jak obtížné informace sdělit, například zprávu zaslanou potom osobě k doplnění, tam, kde je to povoleno.

Pomozte systému svými slovy

Chyby rozpoznávání se často soustřeďují na slova specifická pro vaši firmu: názvy produktů, jména zaměstnanců, místní názvy, lékařské nebo odborné pojmy. Pomoci mohou tyto způsoby:

Všimněte si rozdílu mezi poslechem a mluvením. Slovník výslovnosti mění, jak se slovo čte nahlas, ne jak se slyší.

Zvládněte selhání s grácií

I dobře vyladěný systém někdy špatně slyší. Navrhněte záložní řešení: po jednom neúspěšném pokusu přeformulujte otázku; po druhém nabídněte jiný způsob, například člověka, zpětné volání nebo vzkaz. Nikdy nenechte volajícího projít stejnou výzvou třikrát. Elegantní východ chrání vztah, když technologie selže.

Měřte a testujte

Bez měření nepoznáte, zda změna pomohla. Sestavte malou testovací sadu ze skutečných hovorů se souhlasem a zaznamenaným oprávněním: třeba padesát krátkých úryvků pokrývajících vaše typické hlasy, zařízení a hluk. U každého porovnejte, co bylo řečeno, s tím, co bylo rozpoznáno, a počítejte chyby, na kterých záleželo, například špatnou číslici, ne každé drobné slovo.

Měsíční kontrola rozpoznávání

  • Poslechněte si vzorek skutečných hovorů, včetně těch, které selhaly.
  • Sepište pět nejčastěji špatně slyšených slov nebo frází.
  • Zkontrolujte, zda je lze řešit formulací, nastavením nebo slovníkem.
  • Po každé změně znovu otestujte tytéž úryvky.
  • Zahrňte hlučné vzorky a vzorky s přízvukem, nejen čisté.
  • Zaznamenávejte změny a výsledky, abyste neopakovali pokus.

Viz Jak otestovat hlasového AI agenta před spuštěním a Jak vyhodnocovat rozhovory hlasového agenta.

Jak na to v systému Call

Call umožňuje upravit poslech pro každého AI agenta v jeho hlasových nastaveních. V části přepisu zvolíte jazyk, nebo ho necháte rozpoznat automaticky, a posunete práh ticha a ovládání citlivosti na hluk. Banner na stránce říká, která nastavení živé hovory dnes používají. Pokud agent skáče volajícím do řeči, práh ticha zvyšte.

Rozpoznávání v systému Call závisí na hovoru a telefonní lince, proto testujte na skutečných linkách. Viz Historie hovorů a souhrny v systému Call a Vyhledávání v přepisech hovorů v systému Call.

Často kladené otázky

Proč je rozpoznávání řeči v telefonu méně přesné než na mém chytrém telefonu?

Telefonní linky nesou užší a více komprimovaný zvuk než moderní mikrofon a volající jsou často na hlučných místech nebo na hlasitém odposlechu. Software má méně, s čím pracovat, takže vzniká víc chyb.

Mám nastavit jeden jazyk, nebo použít automatické rozpoznání?

Pokud téměř všichni volající používají jeden jazyk, nastavte ho. Automatické rozpoznání použijte, když se volající liší, a otestujte krátké odpovědi jako ano a ne, které se mohou rozpoznat chybně.

Jak zlepšit rozpoznávání jmen a čísel?

Ptejte se na jednu položku najednou, řekněte volajícím, jak diktovat číslice, potvrzujte zopakováním a přidejte důležité pojmy do slovníku, pokud to váš systém umožňuje.

Zlepšuje slovník výslovnosti to, co agent slyší?

Ne. Zlepšuje, jak agent slova vyslovuje nahlas. Může volajícím pomoci porozumět agentovi, ale rozpoznávání je samostatné nastavení.

Jak poznám, zda změna pomohla?

Mějte pevnou sadu úryvků skutečných hovorů, počítejte chyby, na kterých záleží, před změnou a po ní a po každé změně sadu spusťte znovu. Jeden šťastný hovor nic nedokazuje.

Vyladěte nastavení přepisu a kontrolujte přepisy hovorů v systému Call

V demo konzoli si můžete příchozí hovory vyzkoušet v simulaci.

Související průvodci