Technologie hlasové AI

Střídání řeči u hlasových agentů: kdo mluví a kdy

Jak hlasový agent rozhoduje, kdy mluvit, čekat nebo přestat, proč jsou překryvy a pauzy obtížné a jak navrhnout rozhovory, které volajícím zní přirozeně.

Redakce Call · Zveřejněno · Čtení na 5 min

Lidský rozhovor je pozoruhodně hladké předávání slova. Začínáme mluvit právě ve chvíli, kdy druhý domlouvá, často ještě předtím, a signály čteme, aniž bychom si toho všimli. Hlasový agent takový instinkt nemá. Musí dostat pravidla, kdy poslouchat, kdy mluvit a kdy přestat. Pokud jsou pravidla špatně, působí i přesné odpovědi nešikovně.

Dva lidé vedou telefonní rozhovor přes stůl
Ilustrační obrázek

Tento článek popisuje principy střídání řeči u hlasových agentů a rozhodnutí v návrhu, díky nimž hovor působí přirozeně. Navazuje na článek Detekce hlasové aktivity, který vysvětluje, jak se rozpoznává ticho, a na článek Zvládání skákání do řeči a přerušení.

Jak vypadá přirozené střídání řeči

V každodenním rozhovoru je mezera mezi jedním mluvčím a dalším obvykle velmi krátká a dlouhé ticho působí nepříjemně. Lidé se také mírně překrývají, slyšitelně přikyvují a říkají drobná slova, aby ukázali, že sledují. Nic z toho není nezdvořilé; tak rozhovor zůstává živý.

Po telefonu nevidíte tvář, takže každý signál nese hlas. Stoupající intonace znamená otázku, protažené slovo znamená nedokončenou myšlenku a rychlý nádech často znamená, že se někdo chystá promluvit. Software musí tyto signály odhadovat jen ze zvuku a textu.

Tahy, které musí hlasový agent zvládat

  • Převzetí slovaZahájit odpověď poté, co volající domluví, bez dlouhé mezery.
  • Udržení slovaPokračovat v řeči, když ji přeruší krátký zvuk nebo kašel.
  • Předání slovaPřestat mluvit, když volající začne mluvit přes agenta.
  • PřitakáváníKrátké zvuky jako ano nebo jasně, které nejsou novou promluvou.
  • NápravaZotavit se, když mluví oba najednou nebo když agent něco přeslechl.

Proč je to pro software obtížné

Znovu a znovu se objevují tři problémy.

Rozhodnutí, že promluva skončila

Čekání na pevně danou délku ticha je jednoduché, ale hrubé. Lidé se uprostřed věty odmlčí, když přemýšlejí. Také dokončí myšlenku a nic neřeknou, protože čekají odpověď. Pokročilejší systémy se dívají na dosud vyslovená slova: významově jde o otázku, o úplnou adresu, nebo věta končí spojkou? Pevný přístup, chytřejší přístup i jejich kombinace mají své kompromisy, a proto existují nastavení trpělivosti.

Zvládání překryvů a přerušení

Pokud agent dál mluví, zatímco volající něco říká, volající to zopakuje hlasitěji. Dobrý agent rychle přestane, když uslyší skutečnou řeč, ale ne kvůli kašli nebo troubení auta. Zastavování při každém zvuku působí nervózně; ignorování skutečných přerušení působí, jako by agent neslyšel.

Rozlišení přitakávání od skutečných promluv

Když agent předčítá dlouhou adresu a volající řekne mhm, je to povzbuzení, ne přerušení. Pokud ho agent vezme jako novou promluvu, vykolejí se. Mnoho systémů obojí spolehlivě nerozliší, takže praktickým řešením je udržovat promluvy tak krátké, aby tato otázka vůbec nevznikla.

Navrhování rozhovorů, které technologii vyhovují

Technologii nepřestavíte, ale můžete psát rozhovory, které s ní fungují. Většina zlepšení pochází ze scénáře a promptu, ne z chytrého inženýrství.

Dobře načasovaná výměna

  1. Krátký pozdravJednou větou říct, kdo hovor přijímá, a nabídnout pomoc.
  2. Otevřená otázkaNechat volajícího vysvětlit vlastními slovy.
  3. Krátké potvrzeníNěkolika slovy zopakovat požadavek, aby volající věděl, že byl vyslyšen.
  4. Jeden doplňující dotazZeptat se na jediný údaj, který ještě chybí.
  5. UzavřeníŘíct, co bude následovat, a v případě potřeby nabídnout člověka.

Na rychlosti záleží stejně jako na načasování

I správné rozhodnutí o střídání působí špatně, pokud odpověď přijde pozdě. Odpovědi může zdržet přepis, jazykový model i syntéza řeči. Některé systémy začnou mluvit, jakmile je připravena první část odpovědi, místo aby čekaly na celou, což mezeru zkracuje. Viz Latence hlasové AI – kde se čas ztrácí.

Existuje i lidská stránka. Drobné potvrzení, například krátký tón nebo rychlé úvodní slovo, může volajícího během delšího vyhledávání uklidnit, ale vycpávky opakované při každé promluvě začnou obtěžovat. Používejte je střídmě a testujte je se skutečnými posluchači.

Situace, které střídání řeči napínají

Některé typy hovorů vyžadují zvláštní péči, protože přirozený rytmus se v nich rozpadá.

V každém případě je lék stejný: sledujte skutečné hovory, najděte, kde se rytmus porušil, a upravte buď scénář, nebo nastavení. Střídání řeči není nikdy hotové, protože volající nejsou nikdy stejní.

Testování střídání řeči

Střídání řeči nelze posoudit jen z přepisu; musíte poslouchat. Uskutečněte testovací hovory s kolegou, který bude hrát různé volající, a zapište si, jak výměna působí.

TestČeho si všímat
Rychlý mluvčíStíhá agent, aniž by skákal do řeči?
Pomalý, váhavý mluvčíPočká agent během pauz mezi slovy?
Volající, který přerušujePřestane agent pohotově mluvit a zareaguje na nový vstup?
Diktování číslicJe agent mezi skupinami číslic trpělivý?
Mhm, zatímco agent mluvíPokračuje agent, místo aby přestal?
Volající mlčíVyzve agent jemně volajícího a pak nabídne východisko?

Nastavení střídání řeči v Call

V Call má každý AI agent nastavení přepisu řeči, kde zvolíte jazyk naslouchání a určíte, jak agent pozná, že volající domluvil: práh ticha až jeden a půl sekundy a posuvník citlivosti na hluk. Vedoucí mohou otevřít hovor v historii hovorů a zjistit, jak dlouho trvala každá promluva, což pomáhá určit, zda zpoždění způsobilo čekání na ticho, nebo samotná odpověď. Agent je také nastaven tak, aby odpovídal krátce a přirozeně. Pomocí testovacího hovoru prozvoňte vlastní telefon, pak nastavení upravte a zavolejte znovu. Postup krok za krokem popisuje článek Nastavení AI agenta v Call.

Na závěr jedna zásada návrhu: vždy dejte volajícím možnost z rozhovoru odejít. Volající, který s rytmem automatického hlasu bojuje, by měl mít možnost požádat o člověka, jak popisuje článek IVR vs. hlasový AI agent.

Často kladené otázky

Co je střídání řeči u hlasového agenta?

Je to způsob, jakým agent rozhoduje, kdy volající domluvil, kdy odpovědět a kdy přestat mluvit, protože volající začal. Díky němu hovor působí jako rozhovor, ne jako série příkazů.

Proč můj hlasový agent mluví přes volající?

Častými příčinami jsou příliš krátké čekání na ticho, hluk vyhodnocený jako konec řeči nebo volající, který dělá hodně pauz. Upravte nastavení ticha a testujte s realistickou řečí.

Co je přitakávání?

Přitakávání je drobný zvuk jako mhm nebo jasně, který ukazuje, že posluchač sleduje. Není to nová promluva, ale software ho za ni může mylně považovat.

Může mě agent přerušit úmyslně?

Dobře navržení agenti se tomu vyhýbají. Pokud agent skočí do řeči, jde téměř vždy o problém načasování, ne o volbu. Delší čekání na ticho to obvykle omezí.

Zní rychlejší odpověď vždy lépe?

Ne. Odpověď, která přijde příliš brzy, může působit jako přerušení, zvlášť když volající čte číslo. Cílem je přirozená mezera, ne ta nejkratší.

Jak otestovat střídání řeči?

Uskutečněte hovory s různými styly mluvy, včetně váhavých mluvčích, přerušování a diktování číslic, a pak si nahrávky poslechněte. Měňte vždy jedno nastavení a opakujte stejný scénář.

Nastavte v Call, jak se váš AI agent v hovorech střídá v řeči

V demo konzoli si můžete příchozí hovory vyzkoušet v simulaci.

Související průvodci