Technologie d'IA vocale

Pourquoi l'audio téléphonique complique la reconnaissance vocale

Pourquoi l'audio téléphonique, en bande étroite, compressé et bruité, piège la reconnaissance vocale, comment repérer les symptômes et ce que vous pouvez corriger.

L’équipe éditoriale de Call · Publié le · Lecture : 6 min

Un assistant vocal qui fonctionne parfaitement en démo peut trébucher sur un vrai appel. La cause est rarement le modèle de langage. C'est généralement l'audio. Une ligne téléphonique est un milieu hostile pour la reconnaissance vocale, et comprendre pourquoi aide à fixer des attentes réalistes et à corriger ce qui peut l'être.

Un appelant parlant sur son mobile dans une rue animée
Image d'illustration

Ce guide suit le son depuis la bouche de l'appelant jusqu'au moteur de reconnaissance et montre où la qualité se perd. Il complète La reconnaissance vocale lors des appels téléphoniques et La détection d'activité vocale.

Le parcours de l'audio d'un appel

Là où le son peut se dégrader

  1. MicrophoneUn téléphone ou un casque capte la voix, et la pièce avec.
  2. Traitement dans le combinéLa réduction de bruit et le contrôle de gain remodèlent le son.
  3. RéseauL'audio est compressé et envoyé par paquets sur les liaisons mobiles et internet.
  4. Plateforme de téléphonieL'appel est relayé, converti et parfois mixé.
  5. Moteur de reconnaissanceL'audio est converti en texte, avec la qualité qui reste.

Chaque étape ne peut que préserver ou perdre de la qualité ; aucune ne peut restituer ce qui a disparu. C'est pourquoi un premier maillon médiocre, comme un haut-parleur en voiture, limite tout ce qui suit.

L'audio en bande étroite : la limite de base

L'audio téléphonique traditionnel est en bande étroite : il transporte une plage de fréquences limitée, bien moindre que celle d'un micro de studio. Conséquence : les sons aigus, qui distinguent des lettres comme s, f ou ch, sont affaiblis. Entre s et f, ou p et t, le téléphone laisse peu d'indices. Les humains compensent grâce au contexte. Un logiciel, surtout face à des mots isolés comme un nom épelé, a moins de contexte sur lequel s'appuyer.

Certains appels utilisent des codecs large bande qui transportent davantage de détails, ce qui aide. Encore faut-il que chaque maillon de la chaîne les prenne en charge, et les appels entre réseaux différents se replient souvent sur le format le plus basique commun.

Les sons qui en souffrent le plus

  • Les lettres épeléesB, D, P, T, S et F se confondent, ce qui rend l'épellation à l'oral peu fiable.
  • Les chiffres« Six » et « dix », ou « quatre » et « quatre-vingts », peuvent se confondre sans un bon audio.
  • Les consonnes doucesLes sons faibles en fin de mot disparaissent sous le bruit.
  • Les mots courtsPeu de contexte signifie plus d'erreurs, comme pour « oui » et « non » dans un environnement bruyant.

Les autres causes d'un mauvais audio

Compression et perte de paquets

Pour économiser la bande passante, l'audio est compressé. Si des paquets réseau sont retardés ou perdus, de courts trous ou des salves brouillées apparaissent. Un humain comble une syllabe manquante ; un moteur de reconnaissance peut produire un mauvais mot, ou aucun.

Bruit de fond et traitement

Les appelants téléphonent depuis la rue, une cuisine, un véhicule ou un magasin. La réduction de bruit d'un combiné peut supprimer le bruit, mais aussi tronquer le début d'un mot ou écraser une voix faible. Résultat : une parole qui paraît propre à une personne mais plus difficile pour un logiciel.

Écho et haut-parleur

Quand le haut-parleur de l'appelant renvoie le son dans son micro, la propre voix de l'agent peut revenir en écho, ce qui peut perturber à la fois la reconnaissance et la détection de qui parle. Inviter les appelants à utiliser un combiné ou un casque quand c'est important aide.

Inadéquation de l'entraînement

Beaucoup de moteurs de reconnaissance sont entraînés principalement sur des enregistrements plus propres ou en bande plus large. L'audio téléphonique sonne différemment, et la précision baisse. Certains fournisseurs proposent des modèles adaptés à la téléphonie ; renseignez-vous et testez.

Ce que cela donne dans une transcription

SymptômeCause audio possible
Lettres erronées dans les noms épelésConfusion en bande étroite entre lettres qui se ressemblent
Chiffres inversés ou omisPerte de paquets, bruit ou débit rapide
Mots manquants en début de phraseRéduction de bruit du combiné qui tronque le début
Mots étranges jamais prononcésÉcho ou conversations en arrière-plan
Bonne précision sur postes fixes, mauvaise sur mobilesBruit et compression mobiles
Longs passages sans texteDétection du silence défaillante sur une voix faible

Regardez l'enregistrement, pas seulement la transcription. L'écoute révèle si le problème vient de l'audio ou de la reconnaissance. Si vous entendez clairement et que le moteur n'a pas compris, c'est lui le maillon faible ; si vous peinez aussi, corrigez l'audio.

Mesurer le problème avant de le corriger

Il est tentant d'attribuer chaque erreur au moteur de reconnaissance. Une habitude plus fiable consiste à classer par cause un échantillon d'appels problématiques. Prenez vingt appels où l'agent a mal compris quelque chose. Pour chacun, écoutez l'enregistrement et tranchez : l'audio était-il mauvais, l'appelant parlait-il de façon inhabituellement rapide ou faible, le moteur s'est-il simplement trompé sur une parole claire, ou le malentendu venait-il du modèle de langage à partir d'un texte correct ?

La répartition est souvent surprenante. Une entreprise qui reçoit beaucoup d'appels depuis des mobiles peut constater que la plupart des erreurs viennent de l'audio ; une autre au vocabulaire spécialisé, comme des codes produits, peut découvrir que le moteur de reconnaissance est le point faible. Chaque cause appelle un remède différent, et corriger la mauvaise fait perdre des semaines.

Examinez aussi les tendances par horaire et par acheminement. Si les erreurs se concentrent à une certaine heure, la cause peut être une congestion réseau de votre côté. Si elles se concentrent sur les appels d'une région ou d'un opérateur, le chemin audio peut être en cause. Notez la tendance avant de modifier un réglage, pour pouvoir juger ensuite si la modification a fonctionné.

Gardez un échantillon honnête en y incluant des appels qui se sont bien passés. Si vous n'analysez que les échecs, vous ne saurez pas si une modification qui les corrige a discrètement dégradé des appels qui fonctionnaient. Une comparaison avant-après sur le même ensemble mixte est la protection la plus simple.

Ce que vous pouvez faire

Concevez la conversation pour un audio médiocre

Les techniques pour les noms et les chiffres sont détaillées dans Bien saisir les noms, chiffres et adresses à l'oral.

Corrigez ce qui dépend de vous

Audio et reconnaissance dans Call

Dans Call, chaque agent IA dispose de réglages de transcription : la langue écoutée, qui peut être détectée automatiquement, un seuil de silence et un curseur de sensibilité au bruit. Pour les membres de l'équipe qui utilisent le téléphone dans le navigateur, une transcription en direct peut retranscrire les deux côtés d'un appel en temps réel, étiquetés « vous » et « interlocuteur », et l'enregistrer avec l'appel. Elle nécessite la connexion opérateur et une adresse publique ; sans elles, le panneau en indique la raison. Les transcriptions sont conservées pendant une durée limitée. Servez-vous-en comme outil de diagnostic : si le texte en direct est médiocre sur un appel donné, écoutez l'enregistrement et déterminez si l'audio ou la reconnaissance est en cause. L'appel depuis le navigateur est expliqué dans Comment fonctionne l'appel depuis le navigateur : WebRTC expliqué.

Questions fréquentes

Pourquoi l'audio d'un appel est-il moins bon qu'un message vocal sur mon smartphone ?

Les appels téléphoniques utilisent un audio étroit et compressé, conçu pour être intelligible par des humains, pas par des logiciels. Une application de messages vocaux enregistre généralement un audio plus riche directement sur l'appareil.

La reconnaissance vocale peut-elle être parfaite au téléphone ?

Non. Même les humains entendent mal sur une mauvaise ligne. L'objectif est de réduire les erreurs et de concevoir la conversation pour que les erreurs soient rattrapées par la confirmation.

Un meilleur micro aide-t-il l'agent IA ?

Oui pour votre équipe et pour les appelants qui utilisent un casque, mais vous ne maîtrisez pas l'équipement des appelants. Concevez pour le pire audio réaliste.

Pourquoi les noms épelés sont-ils si difficiles ?

Beaucoup de lettres se ressemblent sur une ligne étroite, et une lettre isolée n'a aucun contexte pour aider. Proposer un autre moyen de recueillir l'information, ou relire les lettres, réduit les erreurs.

Faut-il adapter la reconnaissance à la téléphonie ?

Si votre plateforme propose des modèles adaptés au téléphone ou des réglages de bruit, testez-les sur de vrais appels. Comparez les résultats, car le bon réglage dépend de vos appelants.

Comment savoir si une erreur vient de l'audio ou de la reconnaissance ?

Écoutez l'enregistrement. Si une personne entend clairement les mots et que la transcription est fausse, soupçonnez la reconnaissance. Si l'audio est mauvais aussi pour une personne, corrigez le chemin audio.

Consultez les transcriptions et l'audio des appels dans Call

Dans la console de démo, vous pouvez essayer des appels entrants en simulation.

Guides associés