Tale-AI-teknologi

Hvorfor telefonlyd er svær for talegenkendelse – og hvad der hjælper

Hvorfor smalbåndet, komprimeret og støjende telefonlyd snubler talegenkendelsen, hvordan du spotter symptomerne, og hvad du kan rette i opsætning og manuskript.

Calls redaktion · Udgivet · 5 min. læsetid

En stemmeassistent, der virker perfekt i en demo, kan snuble i et rigtigt opkald. Årsagen er sjældent sprogmodellen. Den er som regel lyden. En telefonlinje er et fjendtligt sted for talegenkendelse, og at vide hvorfor hjælper dig med at sætte realistiske forventninger og rette de problemer, du kan rette.

En person, der taler i mobiltelefon på en travl gade
Illustrativt billede

Denne guide følger lyden fra kundens mund til talegenkendelsen og viser, hvor kvaliteten går tabt. Den hører sammen med Talegenkendelse i telefonopkald og Stemmeaktivitetsdetektering.

Lydens rejse i et telefonopkald

Hvor lyden kan blive skadet

  1. MikrofonEn telefon eller et headset opfanger stemmen sammen med rummet.
  2. Behandling i telefonenStøjdæmpning og automatisk forstærkning omformer lyden.
  3. NetværkLyden komprimeres og sendes i pakker over mobil- og internetforbindelser.
  4. TelefoniplatformOpkaldet kobles, konverteres og blandes nogle gange.
  5. TalegenkendelseLyden omsættes til tekst med den kvalitet, der er tilbage.

Hvert trin kan kun bevare eller miste kvalitet; intet kan tilføje det, der allerede er væk. Derfor begrænser et dårligt første led, som en højttalertelefon i en bil, alt det efterfølgende.

Smalbåndslyd: den grundlæggende begrænsning

Traditionel telefonlyd er smalbåndet: den bærer et begrænset frekvensområde, langt mindre end en studiemikrofon opfanger. Konsekvensen er, at højfrekvente lyde, som adskiller bogstaver som s, f og th, svækkes. Mellem s og f eller p og t efterlader telefonen ikke meget at gå efter. Mennesker klarer sig ved at bruge sammenhængen. Software har mindre sammenhæng at læne sig op ad, især ved enkeltstående ord som et stavet navn.

Nogle opkald bruger bredbåndscodecs, der bærer flere detaljer, hvilket hjælper. Om et givet opkald får gavn af det, afhænger af, at hvert led i kæden understøtter det, og opkald mellem forskellige netværk falder ofte tilbage til det laveste fælles format.

Lyde, der lider mest

  • Bogstaver i stavede ordB, D, P, T, S og F flyder sammen, hvilket gør stavning via tale upålidelig.
  • CifreTre og tres eller femten og halvtreds kan forveksles uden god lyd.
  • Bløde konsonanterStille lyde i slutningen af ord forsvinder i støjen.
  • Korte ordLidt sammenhæng betyder flere fejl, som ved ja og nej i støjende omgivelser.

Andre årsager til dårlig lyd

Komprimering og pakketab

For at spare båndbredde komprimeres lyden. Bliver netværkspakker forsinket eller tabt, opstår korte huller eller forvrængede stød. Et menneske udfylder en manglende stavelse; en talegenkendelse kan producere et forkert ord eller slet intet.

Baggrundsstøj og lydbehandling

Folk ringer fra gader, køkkener, køretøjer og butikker. Støjdæmpning i en telefon kan fjerne støj, men også klippe starten af et ord af eller gøre stille tale flad. Resultatet kan være tale, der lyder ren for et menneske, men er sværere for software.

Ekko og højttalertelefon

Når kundens højttaler føres ind i deres mikrofon, kan agentens egen stemme komme tilbage som ekko, hvilket kan forvirre både genkendelsen og registreringen af, hvem der taler. Det hjælper at opfordre kunderne til at bruge røret eller et headset, når det betyder noget.

Uoverensstemmelse med træningsdata

Mange talegenkendelsesmodeller er i høj grad trænet på renere eller mere bredbåndede optagelser. Telefonlyd lyder anderledes, så præcisionen falder. Nogle udbydere tilbyder modeller tilpasset telefoni; spørg efter dem, og test.

Sådan ser det ud i en udskrift

SymptomMulig årsag i lyden
Forkerte bogstaver i stavede navneSmalbåndet sløring mellem bogstaver, der lyder ens
Cifre byttet om eller tabtPakketab, støj eller hurtig tale
Ord mangler i startenStøjdæmpning i telefonen, der klipper begyndelsen af
Mærkelige ord, der ikke blev sagtEkko eller tale i baggrunden
God præcision på fastnettelefoner, dårlig på mobilerMobilstøj og komprimering
Lange huller uden tekstDetektering af stilhed svigter ved en stille stemme

Se på optagelsen, ikke kun udskriften. Ved at lytte kan du høre, om problemet er lyden eller genkendelsen. Kan du høre det tydeligt, og talegenkendelsen kunne ikke, er talegenkendelsen det svage led; har du også svært ved det, så ret lyden.

Mål problemet, før du retter det

Det er fristende at give talegenkendelsen skylden for hver fejl. En mere pålidelig vane er at sortere en stikprøve af problemopkald efter årsag. Tag tyve opkald, hvor agenten misforstod noget. Lyt for hvert opkald til optagelsen, og afgør: Var lyden dårlig, talte kunden usædvanligt hurtigt eller sagte, tog talegenkendelsen simpelthen fejl ved tydelig tale, eller lå misforståelsen i sprogmodellen efter korrekt tekst?

Ofte er fordelingen overraskende. En virksomhed med mange mobilkunder finder måske ud af, at de fleste fejl skyldes lyden; en med et specialiseret ordforråd, som produktkoder, finder måske ud af, at talegenkendelsen er det svage punkt. Hver årsag har sit eget middel, og at rette den forkerte spilder uger.

Se også på mønstre efter tidspunkt og rute. Samler fejlene sig på et bestemt tidspunkt, kan årsagen være overbelastning af netværket på din side. Samler de sig ved opkald fra én region eller ét teleselskab, kan lydvejen være skyld. Notér mønstret, før du ændrer en indstilling, så du bagefter kan se, om ændringen virkede.

Hold stikprøven ærlig ved også at medtage opkald, der gik godt. Gennemgår du kun fejlene, kan du ikke se, om en ændring, der retter dem, i det stille har ødelagt opkald, der før virkede. En før-og-efter-sammenligning på det samme blandede sæt er den enkleste sikring.

Hvad du kan gøre ved det

Design samtalen til dårlig lyd

Teknikkerne til navne og numre udforskes i Navne, numre og adresser rigtigt via tale.

Ret det, du har styr på

Lyd og genkendelse i Call

I Call har hver AI-agent transskriberingsindstillinger: det sprog, den lytter efter, som kan være automatisk registrering, en stilhedsgrænse og en skydeknap for støjfølsomhed. For medarbejdere, der bruger browsertelefonen, kan en liveudskrift skrive begge sider af et opkald ned, mens det foregår, mærket som dig og dem, og gemme den sammen med opkaldet. Det kræver forbindelsen til teleselskabet og en offentlig adresse, og uden dem forklarer panelet hvorfor. Udskrifter gemmes i en begrænset periode. Brug dem som et diagnoseværktøj: Er liveteksten dårlig i et bestemt opkald, så afspil optagelsen, og afgør, om det er lyden eller talegenkendelsen, der er skyld. Selve opkald via browseren forklares i Sådan fungerer opkald i browseren: WebRTC forklaret.

Ofte stillede spørgsmål

Hvorfor er telefonlyd dårligere end en talebesked på min smartphone?

Telefonopkald bruger smal, komprimeret lyd designet til at være forståelig for mennesker, ikke for software. En app til talebeskeder optager som regel fyldigere lyd direkte på enheden.

Kan talegenkendelse nogensinde blive perfekt i telefonen?

Nej. Selv mennesker hører forkert på dårlige linjer. Målet er at mindske fejlene og designe samtalen, så fejl fanges ved bekræftelse.

Hjælper en bedre mikrofon AI-agenten?

Ja for dine egne medarbejdere og for kunder, der bruger headset, men du kan ikke styre kundernes udstyr. Design efter den værst realistiske lyd.

Hvorfor er stavede navne så svære?

Mange bogstaver lyder ens på en smal linje, og et enkelt bogstav har ingen sammenhæng, der kan hjælpe. At tilbyde en anden måde at få oplysningen på eller læse bogstaverne op mindsker fejlene.

Skal jeg tilpasse genkendelsen til telefoni?

Tilbyder din platform modeller tilpasset telefoni eller støjindstillinger, så test dem på rigtige opkald. Sammenlign resultaterne, for den rette indstilling afhænger af dine kunder.

Hvordan kan jeg se, om en fejl skyldes lyd eller genkendelse?

Lyt til optagelsen. Hører et menneske ordene tydeligt, og udskriften er forkert, så mistænk genkendelsen. Er lyden også dårlig for et menneske, så ret lydvejen.

Tjek opkaldsudskrifter og lyd i Call

I demokonsollen kan du afprøve indgående opkald i en simulering.

Relaterede guides