Tale-AI-teknologi

Bedre talegenkendelse i telefonopkald: praktiske løsninger

Hvorfor talegenkendelse har det svært på telefonlinjer, og hvad der hjælper: klarere lyd, sprog- og ordforrådsindstillinger, gode spørgsmål, tilbagelæsning og test.

Calls redaktion · Udgivet · 5 min. læsetid

En stemmeagent er kun så god som det, den hører. Hvis talegenkendelse gør "tirsdag klokken ti" til "tirs da klokken til", går alt, hvad der følger, galt, uanset hvor god sprogmodellen er. Det samme gælder opkaldsudskrifter og resuméer: en fejl i genkendelsestrinnet spreder sig til hvert senere trin.

En tekniker lytter til opkaldslyd i høretelefoner, mens han tjekker en udskrift på skærmen
Illustrativt billede

Denne guide forklarer, hvorfor tale i telefon er svær, hvilke fejl der er mest almindelige, og hvilke løsninger der er værd at bruge tid på. For baggrund om forløbet, se Sådan fungerer stemme-AI: STT, LLM og TTS, og for lydsiden Hvorfor telefonlyd er svær for talegenkendelse.

Hvorfor tale i telefon er svær

Et telefonopkald presser en menneskestemme gennem en smal kanal. Høje og lave frekvenser skæres væk, signalet komprimeres, og pakker kan gå tabt undervejs. Læg dertil opkalderens omgivelser: trafik, et fjernsyn, vind, en højttalertelefon i et køkken. Genkendelsessystemer er trænet på store mængder tale, men forhold som disse skruer stadig fejlraten op.

Hvad der forringer genkendelsen

  • Smal båndbreddeTelefonlyd rummer færre detaljer end almindelige optagelser, så lignende lyde flyder sammen.
  • BaggrundsstøjBiler, folkemængder og maskiner konkurrerer med stemmen.
  • Dårlige mikrofonerHøjttalertelefoner, billige headset og fjerne mikrofoner skaber ekko.
  • TalestilHurtig tale, mumlen og uvante accenter er sværere.
  • Sjældne ordNavne, mærker, gadenavne og fagsprog, som systemet sjældent har set.
  • Overlappende taleAfbrydelser, sidesamtaler og to personer, der taler.

Typiske fejl

Forvent problemer med homofoner (to, to, too), cifre læst i grupper, stavede navne, datoer og klokkeslæt og korte ord i begyndelsen af en sætning. Når du ved, hvilke fejl du har, er det nemmere at rette dem. Se Sådan får du navne, numre og adresser rigtige i tale.

Start med det grundlæggende

Før du ændrer noget kløgtigt, så tjek de enkle ting.

En grundlæggende tjekliste i rækkefølge

  1. Tjek lydenLyt til optagelser af rigtige opkald. Hvis du ikke kan forstå et stykke, kan systemet det heller ikke.
  2. Indstil sprogetVælg det sprog, opkalderne bruger, eller slå automatisk detektion til, hvis opkaldere varierer.
  3. Justér pauserneJuster, hvor længe stilhed varer, før systemet beslutter, at opkalderen er færdig.
  4. Justér støjhåndteringenGør systemet mere eller mindre følsomt over for baggrundslyd.
  5. Test med rigtige stemmerPrøv forskellige talere, enheder og steder.

Sprog og detektion

Hvis de fleste opkaldere taler ét sprog, så indstil det eksplicit. Automatisk detektion er nyttig, når opkaldere varierer, men den kan have brug for nogle ord for at falde til ro, og korte ytringer som "ja" kan blive misforstået. For en flersproget linje, læs Flersproget telefonsupport med AI. Accenter og dialekter betyder også noget; se Accenter og dialekter i stemme-AI.

Pauser og replikskifte

Hvis systemet afbryder folk midt i en sætning, så hæv stilhedsgrænsen, så det venter længere. Hvis det virker langsomt til at svare, så sænk den. Ældre opkaldere og folk, der læser tal op, holder flere pauser; test med dem. En grænse, der passer til en rask udveksling, kan frustrere dem, der tænker højt. Se Taleaktivitetsdetektion og Replikskifte i stemmeagenter.

Følsomhed over for støj

En støjende gade kan narre systemet til at høre tale, hvor der ingen er, eller skjule svag tale. Test i et støjende miljø og ikke kun på et kontor, og juster følsomheden trin for trin.

Design spørgsmål, der er lette at genkende

Ofte er den billigste forbedring slet ikke i genkenderen, men i det, agenten spørger om.

Bekræft det, der betyder noget

For navne, telefonnumre, datoer, adresser og alt med konsekvenser skal du gentage, hvad du hørte, og bede opkalderen bekræfte. "Jeg har tirsdag den fjerde klokken ti om formiddagen. Er det rigtigt?" er langt mere pålideligt end at antage. Tilbyd en anden måde at give vanskelige oplysninger på, fx en besked sendt bagefter til personen, som vedkommende kan udfylde, hvor det er tilladt.

Hjælp systemet med dine ord

Genkendelsesfejl koncentrerer sig ofte om ord, der er særlige for din virksomhed: produktnavne, medarbejdernavne, stednavne, medicinske eller tekniske termer. Måder at hjælpe på er:

Læg mærke til forskellen mellem at lytte og at tale. En udtaleordbog ændrer, hvordan et ord læses op, ikke hvordan det høres.

Håndtér svigt elegant

Selv et velindstillet system hører forkert nogle gange. Design reserveløsningen: efter ét mislykket forsøg omformulér spørgsmålet; efter et andet tilbyd en anden vej, fx en person, et tilbagekald eller en besked. Lad aldrig opkalderen køre rundt i den samme besked tre gange. En elegant udgang beskytter forholdet, når teknologien svigter.

Mål og test

Uden måling kan du ikke se, om en ændring hjalp. Byg et lille testsæt af rigtige opkald med samtykke og noteret tilladelse: måske halvtreds korte klip, der dækker dine typiske stemmer, enheder og støj. For hvert skal du sammenligne det, der blev sagt, med det, der blev genkendt, og tælle de fejl, der betød noget, fx et forkert ciffer, frem for hvert mindre ord.

En månedlig gennemgang af genkendelse

  • Lyt til et udsnit af rigtige opkald, også dem der mislykkedes.
  • List de fem oftest forkert hørte ord eller vendinger.
  • Tjek, om formulering, indstillinger eller ordforråd kan løse dem.
  • Test de samme klip igen efter hver ændring.
  • Tag støjende og accentprægede eksempler med, ikke kun rene.
  • Registrér ændringer og resultater, så du ikke gentager et forsøg.

Se Sådan tester du en stemmeagent før lancering og Sådan evaluerer du en stemmeagents samtaler.

Sådan gør du i Call

Call lader dig justere lytningen for hver AI-agent under dens stemmeindstillinger. I transskriberingsafsnittet vælger du sproget eller lader det registrere automatisk og flytter en stilhedsgrænse og en kontrol for støjfølsomhed. Et banner på siden fortæller, hvilke indstillinger live opkald bruger i dag. Hæv stilhedsgrænsen, hvis agenten afbryder opkaldere midt i en sætning.

Calls genkendelse afhænger af opkaldet og telefonlinjen, så test på rigtige linjer. Se Sådan bruger du opkaldshistorik og resuméer i Call og Søgning i opkaldsudskrifter i Call.

Ofte stillede spørgsmål

Hvorfor er talegenkendelse i telefon mindre nøjagtig end på min smartphone?

Telefonlinjer bærer smallere, mere komprimeret lyd end en moderne mikrofon, og opkaldere er ofte på støjende steder eller på højttaler. Softwaren har mindre at arbejde med, så der opstår flere fejl.

Bør jeg indstille ét sprog eller bruge automatisk detektion?

Hvis næsten alle opkaldere bruger ét sprog, så indstil det. Brug automatisk detektion, når opkaldere varierer, og test korte svar som ja og nej, som kan blive fejlregistreret.

Hvordan kan jeg forbedre genkendelsen af navne og numre?

Spørg om ét punkt ad gangen, fortæl opkalderne, hvordan de siger cifre, bekræft ved at læse tilbage, og tilføj vigtige termer til ordforrådet, hvor dit system tillader det.

Forbedrer en udtaleordbog det, agenten hører?

Nej. Den forbedrer, hvordan agenten udtaler ord højt. Den kan hjælpe opkalderne med at forstå agenten, men genkendelse er en separat indstilling.

Hvordan ved jeg, om en ændring hjalp?

Hold et fast sæt af rigtige opkaldsklip, tæl de fejl, der betyder noget, før og efter, og kør det samme sæt igen efter hver ændring. Ét heldigt opkald beviser intet.

Justér indstillinger for transskription, og gennemgå opkaldsudskrifter i Call

I demokonsollen kan du afprøve indgående opkald i en simulering.

Relaterede guides