Teknolohiya ng voice AI

Pagpapahusay ng Speech Recognition sa Tawag: Praktikal na Solusyon

Bakit nahihirapan ang speech recognition sa phone line at ano ang nakatutulong: mas malinaw na audio, setting ng wika at bokabularyo, maingat na tanong at read-back.

Editorial team ng Call · Nailathala · 6 min na pagbabasa

Kasing-husay lang ng naririnig nito ang voice agent. Kung gawing "two days at then" ng speech recognition ang "Tuesday at ten", magkakamali ang lahat ng susunod, gaano man kahusay ang language model. Pareho rin sa call transcript at summary: kumakalat sa bawat susunod na hakbang ang mali sa recognition stage.

Isang technician na nakikinig sa call audio gamit ang headphones habang sinusuri ang transcript sa screen
Larawang pang-ilustrasyon

Ipinapaliwanag ng gabay na ito kung bakit mahirap ang pananalita sa telepono, aling mga mali ang pinakakaraniwan, at aling mga solusyon ang sulit sa oras ninyo. Para sa background tungkol sa pipeline, tingnan ang Paano Gumagana ang Voice AI: STT, LLM at TTS, at para sa audio, ang Bakit Mahirap ang Phone Audio para sa Speech Recognition.

Bakit mahirap ang pananalita sa telepono

Pinipiga ng tawag sa telepono ang boses ng tao sa makitid na daluyan. Pinuputol ang matataas at mababang frequency, kinokompres ang signal, at maaaring mawala ang mga packet sa daan. Idagdag pa ang paligid ng caller: trapiko, telebisyon, hangin, speakerphone sa kusina. Sinanay ang mga recognition system sa napakaraming pananalita, pero itinutulak pa rin pataas ng ganitong kondisyon ang error rate.

Mga nagpapahina sa recognition

  • Makitid na bandwidthMas kaunti ang detalye ng telephone audio kaysa sa ordinaryong recording, kaya lumalabo ang magkakatunog na tunog.
  • Ingay sa paligidNakikipagkumpitensya sa boses ang mga sasakyan, maraming tao at makina.
  • Mahinang mikroponoNagdadagdag ng echo ang speakerphone, murang headset at malayong mikropono.
  • Istilo ng pagsasalitaMas mahirap ang mabilis na pagsasalita, pagbubulong at hindi pamilyar na accent.
  • Bihirang salitaMga pangalan, brand, pangalan ng kalye at jargon na bihirang makita ng sistema.
  • Sabay na pagsasalitaPagsingit, ibang usapan sa tabi at dalawang taong sabay na nagsasalita.

Mga karaniwang mali

Asahan ang problema sa magkakatunog na salita (gaya ng to, two, too sa Ingles), mga digit na binasa nang pa-grupo, binaybay na pangalan, petsa at oras, at maiikling salita sa simula ng pangungusap. Mas madaling ayusin ang mga mali kapag alam ninyo kung alin ang mayroon kayo. Tingnan ang Pagkuha nang Tama ng Pangalan, Numero at Address sa Boses.

Magsimula sa mga batayan

Bago magbago ng anumang mas komplikado, suriin muna ang mga simpleng bagay.

Batayang checklist ayon sa pagkakasunod-sunod

  1. Suriin ang audioMakinig sa recording ng totoong tawag. Kung hindi ninyo maintindihan ang isang bahagi, hindi rin ito maiintindihan ng sistema.
  2. Itakda ang wikaPiliin ang wikang ginagamit ng mga caller, o i-enable ang awtomatikong detection kung iba-iba ang mga caller.
  3. I-tune ang mga paghintoAyusin kung gaano katagal ang katahimikan bago magpasya ang sistema na tapos nang magsalita ang caller.
  4. I-tune ang paghawak ng ingayGawing mas sensitibo o hindi gaanong sensitibo ang sistema sa tunog sa paligid.
  5. Subukan gamit ang totoong bosesSumubok ng iba't ibang nagsasalita, device at lugar.

Wika at detection

Kung iisang wika ang ginagamit ng karamihan ng caller, itakda ito nang tahasan. Kapaki-pakinabang ang awtomatikong detection kapag iba-iba ang mga caller, pero maaaring kailanganin nito ng ilang salita bago tumatag, at maaaring maling mahusgahan ang maiikling sagot gaya ng "oo". Para sa multilingual na linya, basahin ang Multilingual na Phone Support gamit ang AI. Mahalaga rin ang accent at diyalekto; tingnan ang Mga Accent at Diyalekto sa Voice AI.

Paghinto at pagpapalitan ng salita

Kung pinuputol ng sistema ang mga tao sa gitna ng pangungusap, itaas ang silence threshold para mas matagal itong maghintay. Kung tila mabagal itong tumugon, ibaba ito. Mas madalas huminto ang nakatatandang caller at ang mga taong nagbabasa ng numero; subukan kasama sila. Maaaring makainis sa mga nag-iisip nang malakas ang threshold na bagay sa mabilisang palitan. Tingnan ang Voice Activity Detection at Pagpapalitan ng Salita sa Voice Agent.

Sensitibidad sa ingay

Maaaring malinlang ng maingay na kalye ang sistema para makarinig ng pananalita kahit wala, o matakpan ang mahinang pagsasalita. Sumubok sa maingay na lugar, hindi lang sa opisina, at ayusin ang sensitibidad nang paunti-unti.

Magdisenyo ng mga tanong na madaling makilala

Madalas ay wala sa recogniser ang pinakamurang pagpapahusay kundi sa itinatanong ng agent.

Kumpirmahin ang mahalaga

Para sa pangalan, numero ng telepono, petsa, address at anumang may kahihinatnan, ulitin ang narinig ninyo at hilingin sa caller na kumpirmahin. Mas maaasahan ang "Ang nakuha ko po ay Martes, ika-apat, alas-diyes ng umaga. Tama po ba?" kaysa sa pag-aakala. Mag-alok ng ibang paraan para ibigay ang mahirap na impormasyon, gaya ng mensaheng ipapadala pagkatapos sa tao para kumpletuhin nila, kung pinapayagan iyon.

Tulungan ang sistema gamit ang inyong mga salita

Madalas ay nakatuon ang mga mali sa recognition sa mga salitang partikular sa negosyo ninyo: pangalan ng produkto, pangalan ng staff, pangalan ng lugar, medical o teknikal na termino. Mga paraan para tumulong:

Pansinin ang pagkakaiba ng pakikinig at pagsasalita. Binabago ng pronunciation dictionary kung paano binabasa nang malakas ang salita, hindi kung paano ito naririnig.

Hawakan nang maayos ang pagpalya

Kahit mahusay ang pagka-tune ng sistema, nagkakamali pa rin ito ng dinig paminsan-minsan. Idisenyo ang fallback: pagkatapos ng isang pumalyang subok, ibahin ang pagkakatanong; pagkatapos ng ikalawa, mag-alok ng ibang paraan, gaya ng tao, callback o mensahe. Huwag kailanman paikutin ang caller sa parehong prompt nang tatlong beses. Pinoprotektahan ng maayos na paglabas ang relasyon kapag pumalya ang teknolohiya.

Sukatin at subukan

Kung walang pagsukat, hindi ninyo malalaman kung nakatulong ang isang pagbabago. Gumawa ng maliit na test set mula sa totoong tawag na may consent at nakatalang pahintulot: marahil limampung maiikling snippet na sumasaklaw sa karaniwang boses, device at ingay ninyo. Para sa bawat isa, ihambing ang sinabi sa nakilala, at bilangin ang mga maling mahalaga, gaya ng maling digit, sa halip na bawat maliit na salita.

Buwanang review ng recognition

  • Makinig sa sample ng totoong tawag, kasama ang mga pumalya.
  • Ilista ang limang pinakamadalas na maling narinig na salita o parirala.
  • Tingnan kung matutugunan ito ng pananalita, setting o bokabularyo.
  • Subukang muli ang parehong mga snippet pagkatapos ng bawat pagbabago.
  • Isama ang maingay at may-accent na sample, hindi lang ang malilinis.
  • Itala ang mga pagbabago at resulta para hindi maulit ang isang eksperimento.

Tingnan ang Paano Subukan ang Voice AI Agent Bago Mag-launch at Paano Suriin ang mga Usapan ng Voice Agent.

Paano ito gawin sa Call

Sa Call, maaari ninyong i-adjust ang pakikinig para sa bawat AI agent sa ilalim ng voice settings nito. Sa transcriber section, pipiliin ninyo ang wika, o awtomatiko itong tutukuyin, at igagalaw ang silence threshold at noise sensitivity control. Sinasabi ng banner sa page kung aling mga setting ang ginagamit ng live na tawag ngayon. Itaas ang silence threshold kung pinuputol ng agent ang mga caller sa gitna ng pangungusap.

Nakadepende sa tawag at sa phone line ang recognition ng Call, kaya sumubok sa totoong linya. Tingnan ang Paggamit ng Call History at Summary sa Call at Paghahanap sa Call Transcript sa Call.

Mga madalas itanong

Bakit mas hindi tumpak ang speech recognition sa phone call kaysa sa smartphone ko?

Mas makitid at mas compressed ang audio na dinadala ng phone line kaysa sa modernong mikropono, at madalas na nasa maingay na lugar o naka-speakerphone ang mga caller. Mas kaunti ang mapagtatrabahuhan ng software, kaya mas maraming mali.

Dapat ba akong magtakda ng iisang wika o gumamit ng awtomatikong detection?

Kung halos lahat ng caller ay gumagamit ng iisang wika, itakda ito. Gumamit ng awtomatikong detection kapag iba-iba ang mga caller, at subukan ang maiikling sagot gaya ng oo at hindi, na maaaring maling matukoy.

Paano ko mapapahusay ang recognition ng pangalan at numero?

Isang item lang ang itanong sa bawat pagkakataon, sabihin sa mga caller kung paano bigkasin ang mga digit, kumpirmahin sa pagbasa pabalik, at idagdag ang mahahalagang termino sa bokabularyo kung pinapayagan ng inyong sistema.

Napapahusay ba ng pronunciation dictionary ang naririnig ng agent?

Hindi. Pinapahusay nito kung paano binibigkas ng agent ang mga salita nang malakas. Makatutulong ito para maintindihan ng mga caller ang agent, pero hiwalay na setting ang recognition.

Paano ko malalaman kung nakatulong ang isang pagbabago?

Magtago ng nakapirming set ng totoong call snippet, bilangin ang mahahalagang mali bago at pagkatapos, at patakbuhin muli ang parehong set pagkatapos ng bawat pagbabago. Walang napapatunayan ang iisang sinuwerteng tawag.

I-tune ang transcriber settings at suriin ang call transcript sa Call

Sa demo console, masusubukan mo ang mga papasok na tawag sa isang simulation.

Mga kaugnay na gabay