Γιατί ο τηλεφωνικός ήχος δυσκολεύει την αναγνώριση ομιλίας
Γιατί ο στενόζωνος, συμπιεσμένος, θορυβώδης τηλεφωνικός ήχος δυσκολεύει την αναγνώριση ομιλίας, ποια είναι τα συμπτώματα και τι διορθώνετε σε ρύθμιση και σενάριο.
Ένας φωνητικός βοηθός που λειτουργεί τέλεια σε μια επίδειξη μπορεί να σκοντάψει σε μια πραγματική κλήση. Ο λόγος σπάνια είναι το γλωσσικό μοντέλο. Συνήθως είναι ο ήχος. Μια τηλεφωνική γραμμή είναι εχθρικό περιβάλλον για την αναγνώριση ομιλίας, και αν ξέρετε γιατί, μπορείτε να θέσετε ρεαλιστικές προσδοκίες και να διορθώσετε όσα προβλήματα διορθώνονται.

Αυτός ο οδηγός ακολουθεί τον ήχο από το στόμα του καλούντος μέχρι την αναγνώριση και δείχνει πού χάνεται η ποιότητα. Συνοδεύει τα άρθρα Αναγνώριση ομιλίας σε τηλεφωνικές κλήσεις και Ανίχνευση φωνητικής δραστηριότητας.
Η διαδρομή του ήχου μιας τηλεφωνικής κλήσης
Πού μπορεί να φθαρεί ο ήχος
- ΜικρόφωνοΈνα τηλέφωνο ή ακουστικό κεφαλής καταγράφει τη φωνή, μαζί με τον χώρο.
- Επεξεργασία στη συσκευήΗ καταστολή θορύβου και ο έλεγχος ενίσχυσης αναδιαμορφώνουν τον ήχο.
- ΔίκτυοΟ ήχος συμπιέζεται και στέλνεται σε πακέτα μέσω δικτύων κινητής και διαδικτύου.
- Τηλεφωνική πλατφόρμαΗ κλήση γεφυρώνεται, μετατρέπεται και μερικές φορές αναμειγνύεται.
- Αναγνώριση ομιλίαςΟ ήχος μετατρέπεται σε κείμενο, με όση ποιότητα έχει απομείνει.
Κάθε στάδιο μπορεί μόνο να διατηρήσει ή να χάσει ποιότητα· κανένα δεν μπορεί να επαναφέρει όσα έχουν ήδη χαθεί. Γι' αυτό ένα κακό πρώτο σκαλοπάτι, όπως η ανοιχτή ακρόαση μέσα σε αυτοκίνητο, περιορίζει όλα όσα ακολουθούν.
Στενόζωνος ήχος: το βασικό όριο
Ο παραδοσιακός τηλεφωνικός ήχος είναι στενόζωνος: μεταφέρει περιορισμένο εύρος συχνοτήτων, πολύ μικρότερο από αυτό που καταγράφει ένα μικρόφωνο στούντιο. Συνέπεια είναι ότι οι ήχοι υψηλών συχνοτήτων, που ξεχωρίζουν γράμματα όπως σ, φ και θ, εξασθενούν. Ανάμεσα στο σ και το φ, ή στο π και το τ, το τηλέφωνο αφήνει λίγα στοιχεία. Οι άνθρωποι τα καταφέρνουν χρησιμοποιώντας τα συμφραζόμενα. Το λογισμικό, ειδικά σε μεμονωμένες λέξεις όπως ένα όνομα που συλλαβίζεται, έχει λιγότερα συμφραζόμενα για να στηριχτεί.
Ορισμένες κλήσεις χρησιμοποιούν ευρυζωνικούς codecs που μεταφέρουν περισσότερη λεπτομέρεια, κάτι που βοηθά. Το αν μια συγκεκριμένη κλήση ωφελείται εξαρτάται από το αν το υποστηρίζει κάθε κρίκος της αλυσίδας, και οι κλήσεις μεταξύ διαφορετικών δικτύων συχνά επιστρέφουν στον χαμηλότερο κοινό παρονομαστή.
Οι ήχοι που υποφέρουν περισσότερο
- Γράμματα σε λέξεις που συλλαβίζονταιΤα Β, Δ, Π, Τ, Σ και Φ θολώνουν μεταξύ τους, κάτι που κάνει αναξιόπιστη τη φωνητική συλλαβοποίηση.
- ΨηφίαΤο «πέντε» και το «εννιά», ή το «έξι» και το «εξήντα», μπορεί να μπερδευτούν χωρίς καλό ήχο.
- Μαλακά σύμφωναΟι σιγανοί ήχοι στο τέλος των λέξεων χάνονται μέσα στον θόρυβο.
- Σύντομες λέξειςΛίγα συμφραζόμενα σημαίνουν περισσότερα λάθη, όπως με το «ναι» και το «όχι» σε θορυβώδες περιβάλλον.
Άλλες αιτίες κακού ήχου
Συμπίεση και απώλεια πακέτων
Για εξοικονόμηση εύρους ζώνης, ο ήχος συμπιέζεται. Αν πακέτα του δικτύου καθυστερούν ή χάνονται, εμφανίζονται μικρά κενά ή παραμορφωμένες ριπές. Ένας άνθρωπος συμπληρώνει μια συλλαβή που λείπει· ένα σύστημα αναγνώρισης μπορεί να παράγει λάθος λέξη ή καμία.
Θόρυβος περιβάλλοντος και επεξεργασία
Οι καλούντες τηλεφωνούν από δρόμους, κουζίνες, οχήματα και καταστήματα. Η καταστολή θορύβου σε μια συσκευή μπορεί να αφαιρέσει τον θόρυβο αλλά και να κόψει την αρχή μιας λέξης ή να ισοπεδώσει τη σιγανή ομιλία. Το αποτέλεσμα μπορεί να είναι ομιλία που ακούγεται καθαρή σε έναν άνθρωπο αλλά είναι δυσκολότερη για το λογισμικό.
Ηχώ και ανοιχτή ακρόαση
Όταν το ηχείο του καλούντος τροφοδοτεί το μικρόφωνό του, η φωνή του ίδιου του πράκτορα μπορεί να επιστρέψει ως ηχώ, κάτι που μπορεί να μπερδέψει τόσο την αναγνώριση όσο και την ανίχνευση του ποιος μιλά. Βοηθά να ενθαρρύνετε τους καλούντες να χρησιμοποιούν ακουστικό ή ακουστικά κεφαλής όταν έχει σημασία.
Αναντιστοιχία εκπαίδευσης
Πολλά συστήματα αναγνώρισης έχουν εκπαιδευτεί κυρίως σε καθαρότερες ή ευρυζωνικότερες ηχογραφήσεις. Ο τηλεφωνικός ήχος ακούγεται διαφορετικά, οπότε η ακρίβεια πέφτει. Ορισμένοι πάροχοι προσφέρουν μοντέλα προσαρμοσμένα στην τηλεφωνία· ρωτήστε γι' αυτά και δοκιμάστε τα.
Πώς φαίνεται σε μια απομαγνητοφώνηση
| Σύμπτωμα | Πιθανή αιτία στον ήχο |
|---|---|
| Λάθος γράμματα σε ονόματα που συλλαβίζονται | Στενόζωνο θόλωμα ανάμεσα σε γράμματα με παρόμοιο ήχο |
| Ψηφία που αντιμετατίθενται ή χάνονται | Απώλεια πακέτων, θόρυβος ή γρήγορη ομιλία |
| Λέξεις που λείπουν στην αρχή | Η καταστολή θορύβου της συσκευής κόβει την αρχή |
| Παράξενες λέξεις που δεν ειπώθηκαν | Ηχώ ή ομιλία στο βάθος |
| Καλή ακρίβεια σε επιτραπέζια τηλέφωνα, κακή σε κινητά | Θόρυβος και συμπίεση κινητής |
| Μεγάλα κενά χωρίς κείμενο | Η ανίχνευση σιωπής αποτυγχάνει σε σιγανή φωνή |
Εξετάστε την ηχογράφηση, όχι μόνο την απομαγνητοφώνηση. Η ακρόαση δείχνει αν το πρόβλημα είναι ο ήχος ή η αναγνώριση. Αν το ακούτε καθαρά και το σύστημα αναγνώρισης δεν μπόρεσε, ο αδύναμος κρίκος είναι η αναγνώριση· αν δυσκολεύεστε κι εσείς, διορθώστε τον ήχο.
Μέτρηση του προβλήματος πριν από τη διόρθωση
Είναι δελεαστικό να κατηγορείτε την αναγνώριση για κάθε λάθος. Μια πιο αξιόπιστη συνήθεια είναι να ταξινομείτε ένα δείγμα προβληματικών κλήσεων ανά αιτία. Πάρτε είκοσι κλήσεις όπου ο πράκτορας παρανόησε κάτι. Για καθεμία, ακούστε την ηχογράφηση και αποφασίστε: ήταν κακός ο ήχος, μίλησε ο καλών ασυνήθιστα γρήγορα ή σιγανά, έκανε απλώς λάθος η αναγνώριση σε καθαρή ομιλία ή η παρανόηση έγινε στο γλωσσικό μοντέλο μετά από σωστό κείμενο;
Συχνά η κατανομή εκπλήσσει. Μια επιχείρηση με πολλούς καλούντες από κινητό μπορεί να διαπιστώσει ότι τα περισσότερα λάθη οφείλονται στον ήχο· μια επιχείρηση με εξειδικευμένο λεξιλόγιο, όπως κωδικούς προϊόντων, μπορεί να διαπιστώσει ότι το αδύναμο σημείο είναι η αναγνώριση. Κάθε αιτία έχει διαφορετική θεραπεία, και η διόρθωση της λάθος αιτίας χάνει εβδομάδες.
Εξετάστε επίσης μοτίβα ανά ώρα και διαδρομή. Αν τα λάθη συγκεντρώνονται σε μια συγκεκριμένη ώρα, η αιτία μπορεί να είναι συμφόρηση του δικτύου από τη δική σας πλευρά. Αν συγκεντρώνονται σε κλήσεις από μια περιοχή ή έναν πάροχο, μπορεί να φταίει η διαδρομή του ήχου. Σημειώστε το μοτίβο πριν αλλάξετε οποιαδήποτε ρύθμιση, ώστε να μπορείτε μετά να καταλάβετε αν η αλλαγή λειτούργησε.
Κρατήστε το δείγμα αντιπροσωπευτικό, συμπεριλαμβάνοντας και κλήσεις που πήγαν καλά. Αν ελέγχετε μόνο αποτυχίες, δεν μπορείτε να ξέρετε αν μια αλλαγή που τις διορθώνει χάλασε αθόρυβα κλήσεις που λειτουργούσαν. Μια σύγκριση πριν και μετά στο ίδιο μεικτό σύνολο είναι η απλούστερη δικλίδα.
Τι μπορείτε να κάνετε
Σχεδιάστε τη συνομιλία για κακό ήχο
- Επιβεβαιώνετε τις βασικές λεπτομέρειες. Επαναλαμβάνετε αριθμούς και ονόματα σε μικρά κομμάτια και αφήνετε τον καλούντα να τα διορθώσει.
- Αποφεύγετε τη φωναχτή συλλαβοποίηση όπου μπορείτε. Προσφέρετε εναλλακτικές, όπως έναν αριθμό αναφοράς, ή πάρτε τα στοιχεία με μήνυμα ή μέσω σελίδας κρατήσεων.
- Χρησιμοποιείτε σύντομες, άμεσες ερωτήσεις. Λιγότερες λέξεις σημαίνουν λιγότερες ευκαιρίες για παρακούσματα.
- Προσφέρετε άνθρωπο. Αν ο πράκτορας αποτύχει δύο φορές να καταλάβει, μεταβιβάστε αντί να κάνετε κύκλους.
Οι τεχνικές για ονόματα και αριθμούς εξετάζονται στο Σωστά ονόματα, αριθμοί και διευθύνσεις μέσω φωνής.
Διορθώστε όσα ελέγχετε
- Χρησιμοποιήστε ποιοτικά ακουστικά κεφαλής για το δικό σας προσωπικό, αφού και η δική τους πλευρά της κλήσης μετράει για τις απομαγνητοφωνήσεις.
- Ελέγξτε το δίκτυό σας για jitter και απώλεια πακέτων, ειδικά σε κοινόχρηστη σύνδεση γραφείου.
- Επιλέξτε ρυθμίσεις αναγνώρισης κατάλληλες για τηλεφωνικό ήχο και προσαρμόστε την ευαισθησία θορύβου αν την προσφέρει η πλατφόρμα σας.
- Δοκιμάστε από κινητά τηλέφωνα και θορυβώδη μέρη.
Ήχος και αναγνώριση στο Call
Στο Call, κάθε πράκτορας AI έχει ρυθμίσεις transcriber: τη γλώσσα που ακούει, η οποία μπορεί να ανιχνεύεται αυτόματα, ένα όριο σιωπής και ένα ρυθμιστικό ευαισθησίας θορύβου. Για το προσωπικό που χρησιμοποιεί το τηλέφωνο στο πρόγραμμα περιήγησης, μια ζωντανή απομαγνητοφώνηση μπορεί να καταγράφει και τις δύο πλευρές μιας κλήσης την ώρα που γίνεται, με τις ετικέτες «εσείς» και «αυτοί», και να την αποθηκεύει με την κλήση. Απαιτεί τη σύνδεση του παρόχου τηλεφωνίας και μια δημόσια διεύθυνση, και χωρίς αυτές το πλαίσιο εξηγεί τον λόγο. Οι απομαγνητοφωνήσεις διατηρούνται για περιορισμένο χρόνο. Χρησιμοποιήστε τες ως διαγνωστικό εργαλείο: αν το ζωντανό κείμενο είναι κακό σε μια συγκεκριμένη κλήση, παίξτε την ηχογράφηση και αποφασίστε αν φταίει ο ήχος ή η αναγνώριση. Οι κλήσεις από το πρόγραμμα περιήγησης εξηγούνται στο Πώς λειτουργούν οι κλήσεις από το πρόγραμμα περιήγησης: το WebRTC με απλά λόγια.
Συχνές ερωτήσεις
Γιατί ο τηλεφωνικός ήχος είναι χειρότερος από ένα φωνητικό μήνυμα στο smartphone μου;
Οι τηλεφωνικές κλήσεις χρησιμοποιούν στενό, συμπιεσμένο ήχο που έχει σχεδιαστεί για να είναι κατανοητός σε ανθρώπους, όχι σε λογισμικό. Μια εφαρμογή φωνητικών μηνυμάτων συνήθως καταγράφει πλουσιότερο ήχο απευθείας στη συσκευή.
Μπορεί η αναγνώριση ομιλίας να γίνει ποτέ τέλεια στο τηλέφωνο;
Όχι. Ακόμη και οι άνθρωποι παρακούνε σε κακές γραμμές. Ο στόχος είναι να μειωθούν τα λάθη και να σχεδιαστεί η συνομιλία έτσι ώστε τα λάθη να εντοπίζονται μέσω επιβεβαίωσης.
Βοηθά ένα καλύτερο μικρόφωνο τον πράκτορα AI;
Ναι, για το δικό σας προσωπικό και για τους καλούντες που χρησιμοποιούν ακουστικά κεφαλής, αλλά δεν μπορείτε να ελέγξετε τον εξοπλισμό των καλούντων. Σχεδιάστε για τον χειρότερο ρεαλιστικό ήχο.
Γιατί τα ονόματα που συλλαβίζονται είναι τόσο δύσκολα;
Πολλά γράμματα ακούγονται ίδια σε μια στενή γραμμή, και ένα μεμονωμένο γράμμα δεν έχει συμφραζόμενα για να βοηθήσουν. Η προσφορά άλλου τρόπου καταγραφής της λεπτομέρειας ή η επανάληψη των γραμμάτων μειώνει τα λάθη.
Πρέπει να προσαρμόσω την αναγνώριση για τηλεφωνία;
Αν η πλατφόρμα σας προσφέρει μοντέλα προσαρμοσμένα στο τηλέφωνο ή ρυθμίσεις θορύβου, δοκιμάστε τα σε πραγματικές κλήσεις. Συγκρίνετε τα αποτελέσματα, γιατί η σωστή ρύθμιση εξαρτάται από τους καλούντες σας.
Πώς καταλαβαίνω αν ένα λάθος οφείλεται στον ήχο ή στην αναγνώριση;
Ακούστε την ηχογράφηση. Αν ένας άνθρωπος ακούει καθαρά τις λέξεις και η απομαγνητοφώνηση είναι λάθος, υποψιαστείτε την αναγνώριση. Αν ο ήχος είναι κακός και για έναν άνθρωπο, διορθώστε τη διαδρομή του ήχου.