Puheesta puheeksi -mallit vs. ketjutetut puheputket
Kaksi tapaa rakentaa puhelinagentti: puheesta puheeksi -mallit ja ketjutetut putket. Missä kumpikin on hyvä, missä heikko ja miten valitaan testaamalla.
Kun kuulette puheagentin puhuvan, taustalla on yleensä toinen kahdesta rakenteesta. Ensimmäisessä ohjelmisto muuttaa soittajan puheen tekstiksi, kielimalli kirjoittaa tekstivastauksen ja puhemoottori lukee sen ääneen. Toisessa yksi malli kuuntelee ääntä ja vastaa äänellä. Toimittajat kiistelevät siitä, kumpi on parempi. Rehellinen vastaus on, että kumpikin tinkii jostakin.

Tämä opas vertailee näitä kahta selkokielellä, jotta voitte esittää parempia kysymyksiä alustaa valitessanne. Laajemman johdannon saatte aloittamalla artikkelista Miten puhetekoäly toimii puhelussa.
Ketjutettu putki
Ketjutettu putki, jota kutsutaan joskus nimellä puhe tekstiksi, sitten malli, sitten teksti puheeksi, on ollut vakiintunut lähestymistapa vuosia. Jokainen vaihe on erillinen komponentti, ja niiden välillä kulkee tekstiä.
Ketjutettu putki
- PuheentunnistusMuuntaa soittajan äänen tekstiksi.
- KielimalliLukee tekstin ohjeineen ja lähteineen ja kirjoittaa vastauksen.
- PuhesynteesiMuuttaa vastaustekstin puhutuksi ääneksi.
- PuhelinliikenneVälittää äänen soittajalle ja soittajalta.
Koska järjestelmän keskellä on pelkkää tekstiä, sitä voi lukea, hakea, tallentaa, tarkistaa sääntöjä vasten ja minkä tahansa vaiheen voi vaihtaa. Voitte ottaa käyttöön tunnistimen, joka ymmärtää soittajienne aksentteja paremmin, tai brändiinne sopivan äänen.
Puheesta puheeksi -lähestymistapa
Puheesta puheeksi -malli, jota kuvataan myös päästä päähän -malliksi tai natiiviksi äänimalliksi, käsittelee ääntä suoraan. Se kuuntelee itse ääntä ja tuottaa ääntä, vaikka monet tällaiset järjestelmät tuottavat myös tekstiä lokitusta varten.
Puheesta puheeksi
- Ääni sisäänSoittajan ääni menee suoraan mallille.
- Yksi malliSe tulkitsee merkityksen, sävyn ja ajoituksen ja suunnittelee vastauksen.
- Ääni ulosSe tuottaa puhutun vastauksen suoraan.
- PuhelinliikenneÄäni kulkee soittajalle ja soittajalta.
Houkuttelevuus on siinä, ettei vaiheiden välillä katoa mitään. Tauko, nauru, epäröinti tai huokaus voi vaikuttaa vastaukseen, ja malli voi aloittaa puhumisen aiemmin, koska se ei odota kolmea erillistä vaihetta.
Rinnakkain
Ketjutettu vai puheesta puheeksi
| Ketjutettu | Puheesta puheeksi | |
|---|---|---|
| Luontevuus | Riippuu kustakin vaiheesta; voi tuntua vaiheittaiselta | Usein sujuvampi, ajoitus ja sävy säilyvät |
| Vasteaika | Kolmen vaiheen summa, jota voi hienosäätää | Mahdollisesti lyhyempi, koska siirtoja on vähemmän |
| Hallinta | Suuri: tekstiin voi soveltaa sääntöjä joka vaiheessa | Pienempi: sisäistä toimintaa on vaikeampi tarkastella |
| Litteroinnit ja lokit | Luonnollinen sivutuote | Tuotetaan yleensä erikseen ja voivat poiketa sanotusta |
| Osien vaihtaminen | Helppoa: tunnistimen tai äänen voi vaihtaa erikseen | Rajoittuu siihen, mitä malli tarjoaa |
| Äänivalikoima | Laaja valikoima ääniä | Usein suppeampi |
| Kypsyys | Pitkä historia | Uudempi, muuttuu nopeasti |
Suhtautukaa varauksella väitteisiin ehdottomasta paremmuudesta. Laatu vaihtelee tuotteittain kummankin luokan sisällä, eivätkä siistin demon tulokset välttämättä päde meluisassa mobiilipuhelussa.
Mikä on tärkeää puheluissa
Puhelinääni on kapeakaistaista ja meluisaa
Puhelinääni on pakattua ja usein meluisaa. Valitsittepa kumman rakenteen tahansa, tarkistakaa, miten se toimii todellisella puhelinäänellä eikä vain studiotallenteilla. Miksi puhelimen ääni on vaikea puheentunnistukselle selittää vaikutuksen.
Hallinta ja auditoitavuus
Jos teidän on osoitettava, mitä agentti sanoi ja miksi, teksti jokaisessa vaiheessa auttaa. Ketjutetussa rakenteessa voitte lisätä tarkistuksen mallin vastauksen ja äänen väliin. Päästä päähän -mallissa luotatte enemmän toimittajan hallintakeinoihin ja testaukseen. Käykää läpi Puhetekoälyn suojakaiteet ja päättäkää, mitä teidän on valvottava.
Keskeytykset ja ajoitus
Natiivit äänimallit käsittelevät päällekkäistä puhetta ja keskeytyksiä usein sujuvammin, koska ne kuulevat soittajaa jatkuvasti. Ketjutetut järjestelmät luottavat puheen ja hiljaisuuden tunnistukseen päättäessään, milloin lopettaa ja aloittaa; katsokaa Puheaktiivisuuden tunnistus ja Vuorottelu puheagenteissa. Parempi tekniikka voi kaventaa eroa, ja ero voi muuttua edelleen.
Kielet ja aksentit
Tarkistakaa teille tärkeät kielet ja aksentit testaamalla sen sijaan, että hyväksyisitte esitteen listan. Yhdessä kielessä vahva malli voi olla toisessa heikompi, ja sama pätee putken yksittäisiin vaiheisiin.
Valinta omaan tilanteeseen
Muutama kuviteltu esimerkki näyttää, miten prioriteetit vetävät eri suuntiin.
- Pieni klinikka, joka tarvitsee jokaisesta puhelusta lokin ja luotettavan litteroinnin sekä tarkat sanamuodot muutamaan aiheeseen, voi suosia ketjutettua rakennetta sen hallittavuuden vuoksi.
- Concierge-linja, jossa lämmin ja sujuva keskustelu on koko asian ydin, voi arvostaa puheesta puheeksi -mallin luontevuutta, jos testaus osoittaa sen pitävän tosiasiat oikeina.
- Yritys, joka haluaa vaihtaa ääniä tai kieliä usein, voi suosia erillisten komponenttien joustavuutta.
- Tiimin, jolla on tiukat sisäiset tarkastusvaatimukset, on ehkä varmistettava, miten päästä päähän -järjestelmä tallentaa ja tuo esiin sanotun.
Kysymyksiä toimittajalle
- Mitä vaiheita järjestelmä käyttää, ja voinko vaihtaa niitä?
- Saanko litteroinnin jokaisesta puhelusta, ja onko se sitä, mitä malli kuuli?
- Miten sääntöjä ja rajoja valvotaan?
- Miten se toimii mobiili- ja meluisilla linjoilla?
- Mitkä ovat tyypilliset vasteajat todellisissa puheluissa?
- Miten keskeytykset käsitellään?
- Mitä äänelle ja tekstille tapahtuu jälkikäteen?
Missä raja hämärtyy
Luokat eivät ole niin jyrkkiä kuin markkinointi antaa ymmärtää. Monet puheesta puheeksi -tuotteet tuottavat edelleen litteroinnin äänen rinnalla, ja monet ketjutetut tuotteet suoratoistavat osittaisia tuloksia vaiheiden välillä, jotta puhe alkaa ennen kuin malli on kirjoittanut vastauksensa loppuun. Jotkin järjestelmät käyttävät natiivia äänimallia keskusteluun ja tekstivaihetta hakuihin tai sääntötarkistuksiin. Kun toimittaja sanoo tuotteensa olevan päästä päähän, kysykää, mikä tarkalleen on päästä päähän ja missä tekstiä yhä esiintyy.
Tällä on merkitystä, koska käytännön kysymykset eivät muutu. Mistä voitte lukea, mitä sanottiin? Missä sääntöä voi valvoa? Miten väärä vastaus havaitaan? Hybridi, joka antaa luotettavan litteroinnin ja luontevan äänen, voi olla järkevä keskitie, kunhan voitte varmistaa molemmat osat.
Reilu testaus
Vertailuja on helppo vääristää vahingossa. Käyttäkää jokaiselle ehdokkaalle samaa käsikirjoitusta, samaa linjatyyppiä ja samaa taustamelua. Testatkaa matkapuhelimella autosta tai kadulta, ei vain hiljaisesta huoneesta. Ottakaa mukaan todellisten soittajien hankalat hetket: korjaus kesken lauseen, tavattu nimi, aihepiirin ulkopuolinen kysymys ja pyyntö saada puhua ihmisen kanssa.
Pisteyttäkää jokainen puhelu muutamalla yksinkertaisella kriteerillä: oliko vastaus oikea, odottiko agentti soittajaa, kuinka pitkä tauko oli ennen kutakin vastausta ja miten puhelu päättyi. Maltillinen joukko johdonmukaisesti pisteytettyjä puheluita kertoo enemmän kuin hiottu demo.
Miten Call lähestyy tätä
Käytännön opetus on, että arkkitehtuuri on vähemmän tärkeä kuin käytös omissa puheluissanne. Callissa tekoälyagentti alkaa puhua heti, kun sen vastauksen ensimmäinen osa on valmis, valmistelee tervehdykset etukäteen lähtevissä puheluissa ja pitää vastaukset lyhyinä. Määritätte äänen ja litteroijan asetukset, testaatte soittamalla omaan puhelimeenne ja luette keskustelun jälkikäteen puheluhistoriasta. Taustatekniikasta riippumatta pitäkää sitä saman mittapuun alla: vastaako se tarkasti, siirtääkö se kohteliaasti ja kuulostaako se soittajienne mielestä hyväksyttävältä? Artikkelin Puheagentin keskustelujen arviointi mittarit pätevät molempiin.
Usein kysytyt kysymykset
Mikä on puheesta puheeksi -malli?
Se on malli, joka ottaa syötteeksi puhuttua ääntä ja tuottaa puhuttua ääntä ilman erillistä tekstivaihetta tunnistuksen ja puheen välillä.
Mikä on ketjutettu puheputki?
Se on puheentunnistuksen, kielimallin ja puhesynteesin ketju, jossa vaiheiden välillä kulkee tekstiä.
Kumpi on luontevampi?
Puheesta puheeksi -järjestelmiä kuvataan usein sujuvammiksi, mutta laatu vaihtelee tuotteittain. Arvioikaa kuuntelemalla omienne kaltaisia puheluita.
Kumpaa on helpompi auditoida?
Ketjutetut putket tuottavat tekstiä joka vaiheessa, joten lokit, tarkistukset ja säännöt ovat yksinkertaisempia. Päästä päähän -malleissa selvittäkää, mitä toimittaja tallentaa ja kuinka luotettavaa se on.
Voinko yhdistää molempia lähestymistapoja?
Jotkin alustat yhdistävät niitä, esimerkiksi käyttämällä ketjutettua rakennetta tietyissä puheluissa. Kysykää, miten järjestelmä käsittelee litterointeja ja sääntöjä kummassakin tilassa.
Vaikuttaako valinta kustannuksiin?
Voi vaikuttaa, mutta hinnat ja mallit muuttuvat, joten kysykää toimittajalta ajantasaiset ehdot ja verratkaa niitä mitattuihin tuloksiin otsikkoväitteiden sijaan.