वॉइस AI में उच्चारण और बोलियाँ: असली कॉलरों के लिए परीक्षण
वॉइस एजेंट कुछ उच्चारण दूसरों से बेहतर क्यों समझते हैं, आप क्या बदल सकते हैं और असली आवाज़ों के साथ निष्पक्ष परीक्षण कैसे बनाएँ ताकि कोई कॉलर बाहर न रह जाए।
हर किसी का कोई न कोई उच्चारण होता है। लेकिन वॉइस एजेंट को आवाज़ों के एक ख़ास मिश्रण पर प्रशिक्षित किया गया होता है, और वह आमतौर पर उन्हीं आवाज़ों को सबसे अच्छा समझता है जो उसने सबसे ज़्यादा सुनीं। विविध जनता की सेवा करने वाले बिज़नेस के लिए यह कोई छोटी तकनीकी बात नहीं है। यही तय करता है कि कॉलर को मदद मिलेगी या झुंझलाहट।

यह गाइड बताती है कि उच्चारण और बोलियाँ वॉइस AI को क्यों प्रभावित करती हैं, आप क्या बदल सकते हैं और निष्पक्ष रूप से कैसे परखें। यह बहुभाषी वॉइस AI और फ़ोन ऑडियो स्पीच रिकग्निशन के लिए कठिन क्यों है से जुड़ी है, जो भाषा और ऑडियो के पहलू जोड़ती हैं।
रिकग्नाइज़र के लिए उच्चारण क्यों मायने रखते हैं
स्पीच रिकग्नाइज़र टेक्स्ट के साथ जोड़ी गई रिकॉर्डिंग से पैटर्न सीखता है। अगर उसकी प्रशिक्षण रिकॉर्डिंग में किसी क्षेत्रीय उच्चारण, आयु वर्ग या ग़ैर-मूल भाषी वक्ता का प्रतिनिधित्व कम है, तो उन आवाज़ों के पैटर्न कमज़ोर होते हैं। रिकग्नाइज़र इंसानी अर्थ में पक्षपाती नहीं है; उसके पास बस कम सबूत हैं। लेकिन इसका असर असमान सेवा हो सकता है।
बोलने वालों के बीच क्या अलग होता है
- उच्चारणस्वर और व्यंजन क्षेत्र और मातृभाषा के अनुसार बदलते हैं।
- लय और बलाघातकिस अक्षर पर ज़ोर है, और शब्द कितनी तेज़ी से आपस में जुड़ते हैं।
- शब्दावलीरोज़मर्रा की चीज़ों के स्थानीय शब्द, जगहों के नाम और बोलचाल के शब्द।
- व्याकरण के पैटर्नबोली के रूप और वाक्य-रचनाएँ जो किताबी भाषा से अलग हैं।
- कोड-स्विचिंगएक ही वाक्य में दो भाषाओं के बीच आना-जाना, जैसे हिंदी और अंग्रेज़ी को मिलाकर बोलना।
ट्रांसक्रिप्ट पढ़ने वाले लैंग्वेज मॉडल के साथ भी ऐसी ही समस्या है। कोई वाक्यांश जो एक बोली में स्वाभाविक है, वह उस लिखित टेक्स्ट में असामान्य हो सकता है जिससे मॉडल ने सीखा, और उसका अर्थ छूट सकता है।
एक ही भाषा के भीतर बोलियाँ
यह एक आम ग़लतफ़हमी है कि कोई भाषा एक ही चीज़ है। अलग-अलग देशों में बोली जाने वाली अंग्रेज़ी ध्वनियों और शब्दों में बहुत अलग होती है, और यही बात कई भाषाओं पर लागू होती है, जिनमें अपनी क्षेत्रीय बोलियों वाली जापानी, और स्पेनिश, अरबी और चीनी शामिल हैं। किसी मानक रूप के लिए ट्यून किया गया सिस्टम क्षेत्रीय बोली को सिर्फ़ आंशिक रूप से संभाल सकता है।
स्थानीय शब्दावली एक ख़ास समस्या है। गलियों के नाम, मोहल्ले, प्रोडक्ट के उपनाम और उपनाम (सरनेम) अक्सर किसी सामान्य शब्दकोश में नहीं होते। अगर आपके कॉलर इन्हें नियमित रूप से बोलते हैं, तो रिकग्नाइज़र इन्हें मिलते-जुलते आम शब्दों में बदल सकता है।
आप क्या बदल सकते हैं
भाषा और क्षेत्र सावधानी से चुनें
कई रिकग्नाइज़र क्षेत्र के अनुसार भाषा के रूप देते हैं। अपने कॉलरों के सबसे क़रीबी रूप को चुनना मदद कर सकता है। मिले-जुले कॉलरों के लिए अपने आप भाषा पहचानना सुविधाजनक है, लेकिन यह कॉल की शुरुआत में ही फ़ैसला कर लेता है, इसलिए परखें कि यह छोटे वाक्यों और उच्चारण वाली बोली के साथ कैसा व्यवहार करता है। Call में ट्रांसक्राइबर आपको भाषा चुनने या उसे अपने आप पहचानने देता है, और एजेंट पहली पहचानी गई भाषा को बाक़ी कॉल के लिए बनाए रखता है, जब तक कॉलर कोई दूसरी भाषा न माँगे।
ज़रूरी शब्द जोड़ें
जहाँ प्लेटफ़ॉर्म कस्टम शब्दावली या संकेत सपोर्ट करता है, वहाँ बिज़नेस के नाम, प्रोडक्ट के नाम, स्टाफ़ के नाम और स्थानीय जगहों के नाम जोड़ें। जहाँ नहीं करता, वहाँ भी आप इन शब्दों की ज़ोर से पुष्टि करके और एजेंट के स्रोतों में अपेक्षित नामों की छोटी सूची देकर नुकसान घटा सकते हैं, ताकि वह लगभग-सही शब्द को मिला सके।
स्पष्टता के लिए लिखें
छोटे, सीधे सवालों का जवाब देना और उन्हें पहचानना लंबे, मुहावरेदार सवालों से आसान है। एजेंट की अपनी बोली में स्लैंग से बचें, और ऐसे हास्य से बचें जो स्थानीय मुहावरों पर निर्भर हो।
कॉलरों को जगह दें
ग़ैर-मूल भाषी और अनिश्चित लोग रुक सकते हैं या धीरे बोल सकते हैं। लंबा साइलेंस थ्रेशोल्ड मदद करता है, जैसा वॉइस एक्टिविटी डिटेक्शन में बताया गया है।
असली आवाज़ों से परखें
मिलती-जुलती पृष्ठभूमि वाले कुछ सहकर्मियों से आप निष्पक्षता नहीं आँक सकते। ऐसा टेस्ट पैनल बनाएँ जो आपके कॉलरों जैसा हो।
एक निष्पक्ष टेस्ट योजना
- अपने कॉलरों की सूची बनाएँक्षेत्र, भाषाएँ, आयु वर्ग और आम फ़ोन के प्रकार।
- परखने वाले जुटाएँऐसे स्वयंसेवक जो उन कॉलरों की तरह बोलते हों, उनकी सहमति से।
- स्क्रिप्ट लिखेंनाम, नंबर और स्थानीय जगहों समेत असली काम।
- कॉल करेंआम मोबाइल फ़ोन और असली जैसा शोर इस्तेमाल करें।
- नतीजों की तुलना करेंऐसे समूह खोजें जहाँ ग़लतियाँ साफ़ तौर पर ज़्यादा हैं।
| मापदंड | यह क्या दिखाता है |
|---|---|
| सही पहचाने गए शब्द | रिकग्नाइज़र ने हर समूह को कितनी अच्छी तरह संभाला |
| पूरे हुए काम | क्या कॉलरों को वह मिला जो उन्हें चाहिए था |
| दोहराव और सुधार | एजेंट ने कितनी बार दोबारा पूछा |
| हैंडओवर दर | कितनी बार कॉलरों ने हार मानकर किसी व्यक्ति से बात माँगी |
| कॉलर की सहजता | परखने वालों ने अनुभव के बारे में क्या कहा |
समूहों की तुलना एक ही मापदंडों से करें। समूहों के बीच काम पूरे होने में अंतर जाँच का संकेत है, भले ही कुल औसत ठीक दिखे। परखने वालों की गोपनीयता की रक्षा करें और रिकॉर्डिंग सिर्फ़ तब तक रखें जब तक ज़रूरत हो।
दो काल्पनिक उदाहरण
एक तटीय क़स्बे की छोटी पशु-चिकित्सा प्रैक्टिस को ऐसे स्थानीय लोगों की कॉल आती हैं जो गलियों और समुद्र तटों के उपनाम इस्तेमाल करते हैं। रिकग्नाइज़र एक उपनाम को बार-बार किसी असंबंधित आम शब्द में बदल देता है। प्रैक्टिस स्थानीय नाम एजेंट के स्रोतों में जोड़ती है, एजेंट से लोकेशन दोहरवाती है, और ग़लतियाँ घट जाती हैं। मॉडल में कुछ नहीं बदला; सुधार शब्दों की एक सूची थी।
एक क्षेत्रीय बैंक शाखा को ऐसे ग्राहकों की कॉल आती हैं जिन्होंने भाषा वयस्क होकर सीखी और जो लंबे ठहराव के साथ धीरे बोलते हैं। एजेंट उनके बात पूरी करने से पहले ही जवाब दे देता है। साइलेंस थ्रेशोल्ड बढ़ाने और एजेंट के सवाल छोटे करने से उन्हें जगह मिलती है, और दोहराव की दर गिर जाती है। यहाँ भी सुधार एक सेटिंग और स्क्रिप्ट थी, नई तकनीक नहीं।
दोनों कहानियों में एक पैटर्न है: विफलताओं को सुनें, उनसे जुड़े ख़ास शब्द या टाइमिंग पहचानें और एक छोटा बदलाव करें। सटीकता के बड़े दावे इस नोटबुक से कम उपयोगी हैं कि आपकी अपनी लाइन पर क्या ग़लत हुआ और किससे ठीक हुआ।
लॉन्च के बाद भी नोटबुक जारी रखें। कॉलर बदलते हैं, नए मोहल्ले और प्रोडक्ट आते हैं, और आज किया गया सुधार पुराना पड़ सकता है। सबसे ज़्यादा बार सुधारे गए शब्दों पर हर महीने एक नज़र डालना एक हल्की दिनचर्या है जो एजेंट को अद्यतन रखती है।
सिस्टम को कभी दीवार न बनने दें
आप कितनी भी अच्छी ट्यूनिंग करें, कुछ कॉलरों की बात समझी नहीं जाएगी। इसके लिए डिज़ाइन करें। किसी जानकारी को लेने की दो विफल कोशिशों के बाद, एजेंट को चक्कर लगाने के बजाय तरीका बदलना या हैंडओवर करना चाहिए। संदेश लेने, कॉलबैक तय करने या स्टाफ़ वाले घंटों में कॉलर को किसी व्यक्ति से जोड़ने की पेशकश करें।
निष्पक्षता चेकलिस्ट
- कॉलरों के हर मुख्य समूह के वक्ताओं के साथ परखा गया
- भाषा और क्षेत्रीय सेटिंग आपके कॉलरों से मेल खाती हैं
- स्थानीय नाम और शब्द जोड़े गए या ज़ोर से पुष्टि किए गए
- साइलेंस सेटिंग धीमी बोली की गुंजाइश देती हैं
- इस्तेमाल से पहले मुख्य जानकारी दोहराकर सुनाई जाती है
- दो विफल कोशिशों के बाद कोई व्यक्ति उपलब्ध है
- हैंडओवर और दोहराव की दरों की समूह के अनुसार समीक्षा की गई
Call में इस पर काम करना
Call में एजेंट की भाषा सेटिंग चुनें, साइलेंस थ्रेशोल्ड और नॉइज़ सेंसिटिविटी सेट करें, और शुरुआती व त्रुटि संदेश सीधे शब्दों में लिखें। फिर टेस्ट कॉल से अपने फ़ोन पर एजेंट को सुनें, और अलग-अलग उच्चारण वाले सहकर्मियों से भी ऐसा करवाएँ। बाद में कॉल इतिहास में हर कॉल खोलकर बारी-बारी की बातचीत पढ़ें और ट्रांसक्रिप्ट में बार-बार ग़लत सुने गए शब्द खोजें। अपने स्रोत सुधारें, जहाँ शब्द मायने रखते हैं वहाँ सटीक जवाब जोड़ें और हेल्प डेस्क के ज़रिए इंसान तक रास्ता खुला रखें।
अक्सर पूछे जाने वाले प्रश्न
क्या वॉइस AI सभी उच्चारणों को बराबर समझता है?
नहीं। सटीकता अक्सर उच्चारणों और बोलियों के बीच बदलती है, यह इस पर निर्भर करता है कि सिस्टम ने किन आवाज़ों से सीखा। सामान्य दावों पर भरोसा करने के बजाय अपने कॉलरों के साथ परखें।
क्या मैं एजेंट को बता सकता हूँ कि किस उच्चारण की उम्मीद रखे?
अक्सर आप रिकग्नाइज़र के लिए भाषा का कोई रूप चुन सकते हैं, और कुछ सिस्टम में शब्दावली जोड़ सकते हैं। जाँचें कि आपका प्लेटफ़ॉर्म क्या सपोर्ट करता है और नतीजा परखें।
एजेंट स्थानीय जगहों के नाम ग़लत क्यों समझता है?
सामान्य शब्दकोशों में शायद ही हर स्थानीय नाम होता है, इसलिए रिकग्नाइज़र कोई मिलता-जुलता आम शब्द चुन लेता है। नामों की ज़ोर से पुष्टि करें और जहाँ हो सके अपेक्षित नाम दें।
क्या एजेंट को अपने आप भाषा बदलनी चाहिए?
यह मिले-जुले कॉलरों की मदद कर सकता है, लेकिन इसे छोटी और उच्चारण वाली बोली पर परखें। Call में पहली पहचानी गई भाषा कॉल भर रखी जाती है, जब तक कॉलर कोई दूसरी न माँगे।
मैं कैसे जानूँ कि मेरा एजेंट कुछ कॉलरों के साथ अनुचित है?
अलग-अलग ढंग से बोलने वाले परखने वालों के समूहों में काम पूरे होने, दोहराव और हैंडओवर की दरों की तुलना करें। बड़े अंतर सेटिंग, स्रोत या स्क्रिप्ट बदलने का संकेत हैं।
अगर किसी कॉलर की बात बिल्कुल समझ न आए तो?
जल्दी कोई दूसरा रास्ता दें: संदेश, कॉलबैक अनुरोध या कोई व्यक्ति। कोई भी कॉलर ऐसे सिस्टम में फँसा नहीं रहना चाहिए जो उसकी बात नहीं समझ सकता।