फ़ोन कॉल पर स्पीच रिकग्निशन कैसे सुधारें: व्यावहारिक उपाय
फ़ोन लाइन पर स्पीच रिकग्निशन को दिक्कत क्यों होती है और क्या मदद करता है: साफ़ ऑडियो, भाषा और शब्दावली सेटिंग, सोचे-समझे सवाल, दोहराकर पुष्टि और टेस्टिंग।
वॉइस एजेंट उतना ही अच्छा है जितना वह सुनता है। अगर स्पीच रिकग्निशन "मंगलवार दस बजे" को "मंगल वार दस भजे" बना दे, तो उसके बाद सब कुछ गलत हो जाता है, चाहे लैंग्वेज मॉडल कितना भी अच्छा हो। कॉल ट्रांसक्रिप्ट और सारांश पर भी यही लागू होता है: पहचान के चरण की गलती आगे के हर कदम में फैल जाती है।

यह गाइड बताती है कि फ़ोन पर बोली गई बात पहचानना कठिन क्यों है, कौन-सी गलतियाँ सबसे आम हैं और कौन-से सुधार आपके समय के लायक हैं। पूरी पाइपलाइन की पृष्ठभूमि के लिए वॉइस AI कैसे काम करता है: STT, LLM और TTS देखें, और ऑडियो पक्ष के लिए फ़ोन ऑडियो स्पीच रिकग्निशन के लिए कठिन क्यों है।
फ़ोन पर बोली गई बात पहचानना कठिन क्यों है
फ़ोन कॉल इंसानी आवाज़ को एक संकरे चैनल से गुज़ारती है। ऊँची और नीची फ़्रीक्वेंसी कट जाती हैं, सिग्नल कंप्रेस होता है, और रास्ते में पैकेट खो सकते हैं। फिर कॉलर का माहौल जुड़ता है: ट्रैफ़िक, टीवी, हवा, रसोई में स्पीकरफ़ोन। रिकग्निशन सिस्टम बहुत सारी बोली पर ट्रेन किए जाते हैं, लेकिन ऐसी स्थितियाँ फिर भी गलतियों की दर बढ़ा देती हैं।
पहचान को क्या बिगाड़ता है
- संकरी बैंडविड्थटेलीफ़ोन ऑडियो में आम रिकॉर्डिंग से कम ब्योरा होता है, इसलिए मिलती-जुलती ध्वनियाँ धुंधली हो जाती हैं।
- पीछे का शोरगाड़ियाँ, भीड़ और मशीनें आवाज़ से होड़ करती हैं।
- खराब माइक्रोफ़ोनस्पीकरफ़ोन, सस्ते हेडसेट और दूर रखे माइक्रोफ़ोन गूँज जोड़ते हैं।
- बोलने का ढंगतेज़ बोलना, बुदबुदाना और अनजाने लहजे पहचानना ज़्यादा कठिन होता है।
- कम इस्तेमाल होने वाले शब्दनाम, ब्रांड, गलियों के नाम और ऐसे तकनीकी शब्द जो सिस्टम ने कम सुने हैं।
- एक साथ बोलनाबीच में टोकना, आस-पास की बातचीत और दो लोगों का एक साथ बोलना।
आम गलतियाँ
एक जैसी सुनाई देने वाले शब्दों, समूह में पढ़े गए अंकों, अक्षर-अक्षर बोले गए नामों, तारीखों और समय, और वाक्य की शुरुआत के छोटे शब्दों में दिक्कत की उम्मीद रखें। आपकी गलतियाँ कौन-सी हैं, यह जानने से उन्हें ठीक करना आसान हो जाता है। देखें आवाज़ से नाम, नंबर और पते सही पकड़ना।
बुनियादी बातों से शुरू करें
कोई जटिल बदलाव करने से पहले सरल चीज़ें जाँचें।
क्रम से एक बुनियादी चेकलिस्ट
- ऑडियो जाँचेंअसली कॉल की रिकॉर्डिंग सुनें। अगर आप कोई हिस्सा नहीं समझ पाते, तो सिस्टम भी नहीं समझ पाएगा।
- भाषा सेट करेंकॉलर्स जो भाषा बोलते हैं, वह चुनें, या कॉलर्स अलग-अलग हों तो ऑटोमैटिक डिटेक्शन चालू करें।
- रुकावटें ट्यून करेंतय करें कि कितनी देर की खामोशी के बाद सिस्टम माने कि कॉलर ने बोलना खत्म कर दिया है।
- शोर से निपटना ट्यून करेंसिस्टम को पीछे की आवाज़ों के प्रति ज़्यादा या कम संवेदनशील बनाएँ।
- असली आवाज़ों से टेस्ट करेंअलग-अलग बोलने वाले, डिवाइस और जगहें आज़माएँ।
भाषा और डिटेक्शन
अगर ज़्यादातर कॉलर एक ही भाषा बोलते हैं, तो उसे साफ़ तौर पर सेट करें। कॉलर्स अलग-अलग हों तो ऑटोमैटिक डिटेक्शन उपयोगी है, लेकिन इसे स्थिर होने में कुछ शब्द लग सकते हैं, और "हाँ" जैसे छोटे जवाबों को गलत पहचाना जा सकता है। बहुभाषी लाइन के लिए AI के साथ बहुभाषी फ़ोन सपोर्ट पढ़ें। लहजे और बोलियाँ भी मायने रखती हैं; देखें वॉइस AI में लहजे और बोलियाँ।
रुकावटें और बारी-बारी से बोलना
अगर सिस्टम लोगों को वाक्य के बीच में काट देता है, तो खामोशी की सीमा बढ़ाएँ ताकि वह ज़्यादा इंतज़ार करे। अगर जवाब देने में धीमा लगता है, तो उसे कम करें। बुज़ुर्ग कॉलर और नंबर पढ़कर सुनाने वाले लोग ज़्यादा रुकते हैं; उनके साथ टेस्ट करें। तेज़ बातचीत के लिए सही सीमा उन लोगों को परेशान कर सकती है जो सोचते हुए बोलते हैं। देखें वॉइस एक्टिविटी डिटेक्शन और वॉइस एजेंट में बारी-बारी से बोलना।
शोर के प्रति संवेदनशीलता
शोर भरी सड़क सिस्टम को ऐसी जगह बोली सुनने का भ्रम दे सकती है जहाँ कोई बोल नहीं रहा, या धीमी आवाज़ को छिपा सकती है। सिर्फ़ ऑफ़िस में नहीं, शोर वाली जगह पर भी टेस्ट करें, और संवेदनशीलता को कदम-दर-कदम बदलें।
ऐसे सवाल बनाएँ जो पहचानने में आसान हों
अक्सर सबसे सस्ता सुधार रिकग्नाइज़र में नहीं, बल्कि इस बात में होता है कि एजेंट क्या पूछता है।
- एक बार में एक ही बात पूछें। "आपका नाम क्या है?" का जवाब "नाम, फ़ोन नंबर और कारण?" से ज़्यादा साफ़ आता है।
- कम शब्दों में जवाब देने का रास्ता दें, जैसे हाँ या ना, या दो विकल्पों में से एक।
- कॉलर्स को बताएँ कि नंबर कैसे बोलें: "कृपया अंक एक-एक करके बोलें।"
- जहाँ छोटा बंद सवाल काम कर दे, वहाँ लंबे खुले सवाल से बचें।
- एजेंट के दोबारा बोलने से पहले कॉलर को जवाब देने का समय दें।
ज़रूरी बातों की पुष्टि करें
नाम, फ़ोन नंबर, तारीख, पते और जिस भी चीज़ के नतीजे हों, उसके लिए जो सुना उसे दोहराएँ और कॉलर से पुष्टि करने को कहें। "मैंने मंगलवार, चार तारीख, सुबह दस बजे नोट किया है। क्या यह सही है?" मान लेने से कहीं ज़्यादा भरोसेमंद है। मुश्किल जानकारी देने का कोई दूसरा तरीका भी दें, जैसे बाद में व्यक्ति को भेजा गया मैसेज जिसे वे भर सकें, जहाँ इसकी अनुमति हो।
अपने शब्दों से सिस्टम की मदद करें
पहचान की गलतियाँ अक्सर आपके व्यवसाय के खास शब्दों पर केंद्रित होती हैं: प्रोडक्ट के नाम, स्टाफ़ के नाम, जगहों के नाम, मेडिकल या तकनीकी शब्द। मदद के तरीके:
- गलत सुने जाने वाले शब्दों की सूची रखें और देखें कि वे सुधर रहे हैं या नहीं।
- जहाँ सिस्टम कस्टम शब्दावली या संकेत जोड़ने देता है, वहाँ ज़रूरी शब्द जोड़ें।
- पक्का करें कि आपके नॉलेज सोर्स में नामों की वर्तनी एक जैसी हो, ताकि आगे के चरण उन्हें मिला सकें।
- एजेंट उन शब्दों को ज़ोर से कैसे बोले, इसके लिए उच्चारण शब्दकोश सिखाएँ; इसका असर पहचान पर नहीं, बोले गए आउटपुट पर होता है, लेकिन इससे कॉलर समझते हैं और उसी तरह जवाब देते हैं।
सुनने और बोलने के फ़र्क पर ध्यान दें। उच्चारण शब्दकोश यह बदलता है कि कोई शब्द कैसे पढ़ा जाता है, यह नहीं कि वह कैसे सुना जाता है।
नाकामी को सलीके से सँभालें
अच्छी तरह ट्यून किया गया सिस्टम भी कभी-कभी गलत सुनता है। वैकल्पिक रास्ता डिज़ाइन करें: एक नाकाम कोशिश के बाद सवाल दूसरे शब्दों में पूछें; दूसरी के बाद कोई और तरीका दें, जैसे किसी व्यक्ति से बात, कॉलबैक या मैसेज। कॉलर को कभी एक ही प्रॉम्प्ट में तीन बार न घुमाएँ। जब तकनीक नाकाम हो, तो सलीके से बाहर निकलने का रास्ता रिश्ते को बचाता है।
मापें और टेस्ट करें
मापे बिना आप नहीं बता सकते कि किसी बदलाव से मदद मिली या नहीं। सहमति और दर्ज अनुमति के साथ असली कॉल से एक छोटा टेस्ट सेट बनाएँ: शायद पचास छोटे टुकड़े जो आपकी आम आवाज़ों, डिवाइस और शोर को कवर करें। हर एक के लिए जो कहा गया और जो पहचाना गया उसकी तुलना करें, और हर छोटे शब्द की जगह उन गलतियों को गिनें जो मायने रखती हैं, जैसे गलत अंक।
मासिक रिकग्निशन समीक्षा
- असली कॉल के कुछ नमूने सुनें, नाकाम कॉल समेत।
- सबसे ज़्यादा गलत सुने गए पाँच शब्दों या वाक्यांशों की सूची बनाएँ।
- जाँचें कि शब्दों, सेटिंग्स या शब्दावली से उन्हें ठीक किया जा सकता है या नहीं।
- हर बदलाव के बाद उन्हीं टुकड़ों को दोबारा टेस्ट करें।
- सिर्फ़ साफ़ नहीं, शोर वाले और अलग लहजे वाले नमूने भी शामिल करें।
- बदलाव और नतीजे दर्ज करें ताकि कोई प्रयोग दोहराना न पड़े।
देखें लॉन्च से पहले वॉइस AI एजेंट को कैसे टेस्ट करें और वॉइस एजेंट की बातचीत का मूल्यांकन कैसे करें।
Call में यह कैसे करें
Call में आप हर AI एजेंट की वॉइस सेटिंग्स में सुनने का तरीका बदल सकते हैं। ट्रांसक्राइबर सेक्शन में आप भाषा चुनते हैं, या उसे अपने आप पहचानने देते हैं, और खामोशी की सीमा व शोर संवेदनशीलता के कंट्रोल खिसकाते हैं। पेज पर एक बैनर बताता है कि लाइव कॉल अभी कौन-सी सेटिंग्स इस्तेमाल कर रही हैं। अगर एजेंट कॉलर्स को वाक्य के बीच में काटता है, तो खामोशी की सीमा बढ़ाएँ।
- उच्चारण शब्दकोश। AI आवाज़ को सिखाएँ कि जिन नामों, जगहों और शब्दों को वह गलत बोलती है उन्हें कैसे पढ़े; इससे बोला जाने वाला बदलता है, पहचाना जाने वाला नहीं।
- ट्रांसक्रिप्ट। कॉल की रिकॉर्डिंग के नीचे उसका ट्रांसक्रिप्ट पढ़ें, और कॉल के बाद बोलने वालों को लेबल करें ताकि दिखे कि किसने क्या कहा।
- कॉल क्वालिटी। AI एजेंट वाली कॉल खत्म होने के बाद कारणों और उद्धरणों के साथ स्कोर की जाती हैं, ताकि कमज़ोर कॉल आसानी से मिल जाएँ।
- सुधार। आप कॉल रिकॉर्ड में किसी जवाब को सुधार सकते हैं और सुधरा हुआ जवाब एजेंट की नॉलेज में सेव कर सकते हैं।
Call की पहचान कॉल और फ़ोन लाइन पर निर्भर करती है, इसलिए असली लाइनों पर टेस्ट करें। देखें Call में कॉल इतिहास और सारांश का इस्तेमाल और Call में कॉल ट्रांसक्रिप्ट खोजना।
अक्सर पूछे जाने वाले प्रश्न
फ़ोन पर स्पीच रिकग्निशन मेरे स्मार्टफ़ोन से कम सटीक क्यों है?
फ़ोन लाइनें आधुनिक माइक्रोफ़ोन की तुलना में संकरा और ज़्यादा कंप्रेस्ड ऑडियो ले जाती हैं, और कॉलर अक्सर शोर वाली जगहों पर या स्पीकरफ़ोन पर होते हैं। सॉफ़्टवेयर के पास काम करने के लिए कम जानकारी होती है, इसलिए गलतियाँ ज़्यादा होती हैं।
एक भाषा सेट करूँ या ऑटोमैटिक डिटेक्शन इस्तेमाल करूँ?
अगर लगभग सभी कॉलर एक ही भाषा बोलते हैं, तो उसे सेट करें। कॉलर्स अलग-अलग हों तो ऑटोमैटिक डिटेक्शन इस्तेमाल करें, और हाँ-ना जैसे छोटे जवाब टेस्ट करें, जिन्हें गलत पहचाना जा सकता है।
नाम और नंबर की पहचान कैसे सुधारूँ?
एक बार में एक चीज़ पूछें, कॉलर्स को बताएँ कि अंक कैसे बोलें, दोहराकर पुष्टि करें, और जहाँ सिस्टम अनुमति दे वहाँ ज़रूरी शब्द शब्दावली में जोड़ें।
क्या उच्चारण शब्दकोश से एजेंट का सुनना बेहतर होता है?
नहीं। इससे एजेंट का शब्दों को ज़ोर से बोलना बेहतर होता है। इससे कॉलर्स को एजेंट समझने में मदद मिल सकती है, लेकिन पहचान एक अलग सेटिंग है।
कैसे पता करूँ कि किसी बदलाव से मदद मिली?
असली कॉल के टुकड़ों का एक तय सेट रखें, बदलाव से पहले और बाद में मायने रखने वाली गलतियाँ गिनें, और हर बदलाव के बाद वही सेट दोबारा चलाएँ। एक किस्मत वाली कॉल कुछ साबित नहीं करती।