Tehnologija glasovne umjetne inteligencije

Poboljšanje prepoznavanja govora u pozivima: praktična rješenja

Zašto prepoznavanje govora teško radi na telefonskim linijama i što pomaže: jasniji zvuk, postavke jezika i rječnika, pažljiva pitanja, ponavljanje i testiranje.

Urednički tim usluge Call · Objavljeno · Čitanje: 5 min

Glasovni agent je dobar koliko i ono što čuje. Ako prepoznavanje govora pretvori „utorak u deset” u „u tor aku deset”, sve što slijedi pođe po zlu, bez obzira koliko je dobar jezični model. Isto vrijedi za transkripte i sažetke poziva: pogreška u fazi prepoznavanja širi se na svaki kasniji korak.

Tehničar sluša zvuk poziva na slušalicama dok na zaslonu provjerava transkript
Ilustrativna slika

Ovaj vodič objašnjava zašto je telefonski govor težak, koje su pogreške najčešće i koja su rješenja vrijedna vašeg vremena. Za pozadinu o cjevovodu pogledajte Kako radi glasovni AI: STT, LLM i TTS, a za stranu zvuka Zašto je telefonski zvuk težak za prepoznavanje govora.

Zašto je telefonski govor težak

Telefonski poziv provlači ljudski glas kroz uzak kanal. Visoke i niske frekvencije se režu, signal se komprimira, a paketi se mogu izgubiti usput. Tome dodajte okolinu pozivatelja: promet, televizor, vjetar, zvučnik u kuhinji. Sustavi za prepoznavanje trenirani su na mnogo govora, no uvjeti poput ovih ipak podižu stopu pogrešaka.

Što pogoršava prepoznavanje

  • Uska širina pojasaTelefonski zvuk nosi manje detalja od običnih snimki, pa se slični glasovi zamućuju.
  • Buka u pozadiniAutomobili, gužva i strojevi natječu se s glasom.
  • Loši mikrofoniZvučnici, jeftine slušalice i udaljeni mikrofoni dodaju jeku.
  • Stil govoraBrz govor, mrmljanje i nepoznati naglasci teži su.
  • Rijetke riječiImena, marke, nazivi ulica i žargon koje sustav rijetko vidi.
  • Preklapajući govorPrekidanja, pokrajnji razgovori i dvije osobe koje govore.

Tipične pogreške

Očekujte probleme s riječima koje zvuče slično, znamenkama čitanim u skupinama, slovkanim imenima, datumima i vremenima te kratkim riječima na početku rečenice. Kad znate koje pogreške imate, lakše ih je ispraviti. Pogledajte Točno prepoznavanje imena, brojeva i adresa glasom.

Počnite s osnovama

Prije nego što promijenite išta domišljato, provjerite jednostavne stvari.

Osnovni kontrolni popis redom

  1. Provjerite zvukPoslušajte snimke stvarnih poziva. Ako ne možete razumjeti dio, ne može ni sustav.
  2. Postavite jezikOdaberite jezik koji pozivatelji koriste ili uključite automatsko prepoznavanje ako se pozivatelji razlikuju.
  3. Podesite stankePrilagodite koliko tišina traje prije nego sustav odluči da je pozivatelj završio.
  4. Podesite obradu bukeUčinite sustav više ili manje osjetljivim na zvukove u pozadini.
  5. Testirajte stvarnim glasovimaIsprobajte različite govornike, uređaje i mjesta.

Jezik i prepoznavanje

Ako većina pozivatelja govori jednim jezikom, postavite ga izričito. Automatsko prepoznavanje korisno je kad se pozivatelji razlikuju, ali mu može trebati nekoliko riječi da se smiri, a kratke izjave poput „da” mogu se pogrešno procijeniti. Za višejezičnu liniju pročitajte Višejezična telefonska podrška uz AI. Važni su i naglasci i dijalekti; pogledajte Naglasci i dijalekti u glasovnom AI-ju.

Stanke i izmjena riječi

Ako sustav prekida ljude usred rečenice, podignite prag tišine tako da duže čeka. Ako sporo reagira, spustite ga. Stariji pozivatelji i ljudi koji čitaju brojeve više zastaju; testirajte s njima. Prag koji odgovara brzoj razmjeni može frustrirati one koji misle naglas. Pogledajte Otkrivanje glasovne aktivnosti i Izmjena riječi u glasovnim agentima.

Osjetljivost na buku

Bučna ulica može zavarati sustav da čuje govor gdje ga nema ili sakriti tihi govor. Testirajte u bučnom okruženju, a ne samo u uredu, i prilagođavajte osjetljivost korak po korak.

Oblikujte pitanja koja se lako prepoznaju

Najjeftinije poboljšanje često nije u prepoznavaču nego u onome što agent pita.

Potvrdite što je važno

Za imena, telefonske brojeve, datume, adrese i sve s posljedicama ponovite što ste čuli i zamolite pozivatelja da potvrdi. „Imam utorak, četvrtog, u deset ujutro. Je li točno?” puno je pouzdanije od pretpostavljanja. Ponudite drugi način davanja teških informacija, poput poruke poslane poslije osobi da ih dovrši, gdje je to dopušteno.

Pomozite sustavu svojim riječima

Pogreške prepoznavanja često se koncentriraju na riječi specifične za vaše poslovanje: nazive proizvoda, imena osoblja, nazive mjesta, medicinske ili tehničke pojmove. Načini pomoći uključuju:

Primijetite razliku između slušanja i govorenja. Rječnik izgovora mijenja kako se riječ čita naglas, a ne kako se čuje.

Elegantno postupajte s neuspjehom

Čak i dobro podešen sustav ponekad krivo čuje. Osmislite zamjensku mogućnost: nakon jednog neuspjelog pokušaja preoblikujte pitanje; nakon drugog ponudite drugi način, poput osobe, povratnog poziva ili poruke. Nikad ne vrtite pozivatelja tri puta kroz istu poruku. Elegantan izlaz štiti odnos kad tehnologija zakaže.

Mjerite i testirajte

Bez mjerenja ne možete znati je li promjena pomogla. Izradite mali testni skup iz stvarnih poziva uz privolu i zabilježeno dopuštenje: možda pedesetak kratkih isječaka koji pokrivaju vaše tipične glasove, uređaje i buku. Za svaki usporedite što je rečeno s onim što je prepoznato i brojite pogreške koje su bile važne, poput pogrešne znamenke, a ne svaku sitnu riječ.

Mjesečni pregled prepoznavanja

  • Poslušajte uzorak stvarnih poziva, uključujući one koji nisu uspjeli.
  • Navedite pet najčešće krivo čutih riječi ili izraza.
  • Provjerite mogu li ih riješiti formulacija, postavke ili rječnik.
  • Ponovno testirajte iste isječke nakon svake promjene.
  • Uključite bučne uzorke i uzorke s naglascima, a ne samo čiste.
  • Zabilježite promjene i rezultate da ne ponavljate pokus.

Pogledajte Kako testirati glasovnog AI agenta prije pokretanja i Kako ocijeniti razgovore glasovnog agenta.

Kako to učiniti u servisu Call

Call vam omogućuje da podesite slušanje za svakog AI agenta u njegovim glasovnim postavkama. U odjeljku transkribera birate jezik, ili ga automatski prepoznajete, te pomičete prag tišine i kontrolu osjetljivosti na buku. Natpis na stranici kaže koje postavke danas koriste pozivi uživo. Podignite prag tišine ako agent prekida pozivatelje usred rečenice.

Prepoznavanje u servisu Call ovisi o pozivu i telefonskoj liniji, pa testirajte na stvarnim linijama. Pogledajte Korištenje povijesti poziva i sažetaka u servisu Call i Pretraživanje transkripata poziva u servisu Call.

Često postavljana pitanja

Zašto je prepoznavanje govora na telefonu manje točno nego na mom pametnom telefonu?

Telefonske linije prenose uži, komprimiraniji zvuk od modernog mikrofona, a pozivatelji su često na bučnim mjestima ili na zvučniku. Softver ima manje materijala za rad, pa se javlja više pogrešaka.

Trebam li postaviti jedan jezik ili koristiti automatsko prepoznavanje?

Ako gotovo svi pozivatelji koriste jedan jezik, postavite ga. Koristite automatsko prepoznavanje kad se pozivatelji razlikuju i testirajte kratke odgovore poput da i ne, koji se mogu pogrešno prepoznati.

Kako poboljšati prepoznavanje imena i brojeva?

Tražite jednu stavku odjednom, recite pozivateljima kako izgovarati znamenke, potvrdite ponavljanjem naglas i dodajte važne pojmove u rječnik gdje vaš sustav to dopušta.

Poboljšava li rječnik izgovora ono što agent čuje?

Ne. Poboljšava kako agent izgovara riječi naglas. Može pomoći pozivateljima da razumiju agenta, ali prepoznavanje je zasebna postavka.

Kako znam je li promjena pomogla?

Držite fiksan skup isječaka stvarnih poziva, brojite pogreške koje su važne prije i poslije te ponovno pokrenite isti skup nakon svake promjene. Jedan sretan poziv ne dokazuje ništa.

Podesite postavke transkribera i pregledajte transkripte poziva u servisu Call

U demo konzoli možete isprobati dolazne pozive u simulaciji.

Povezani vodiči