Tehnologija glasovne umjetne inteligencije

Zašto je telefonski zvuk težak za prepoznavanje govora

Zašto uskopojasni, komprimirani i bučni telefonski zvuk otežava prepoznavanje govora, kako uočiti simptome i što popraviti u postavu i skripti.

Urednički tim usluge Call · Objavljeno · Čitanje: 5 min

Glasovni asistent koji savršeno radi na demou može zapeti u stvarnom pozivu. Razlog je rijetko jezični model. Obično je to zvuk. Telefonska linija neprijateljsko je okruženje za prepoznavanje govora, a razumijevanje razloga pomaže vam postaviti realna očekivanja i popraviti ono što se može popraviti.

Pozivatelj razgovara mobitelom na prometnoj ulici
Ilustrativna slika

Ovaj vodič prati zvuk od pozivateljevih usta do prepoznavača i pokazuje gdje se gubi kvaliteta. Nadopunjuje članke Prepoznavanje govora u telefonskim pozivima i Detekcija glasovne aktivnosti.

Put zvuka telefonskog poziva

Gdje se zvuk može oštetiti

  1. MikrofonTelefon ili slušalice hvataju glas, zajedno s prostorijom.
  2. Obrada u uređajuSuzbijanje buke i kontrola pojačanja preoblikuju zvuk.
  3. MrežaZvuk se komprimira i u paketima šalje preko mobilnih i internetskih veza.
  4. Telefonska platformaPoziv se premošćuje, pretvara i ponekad miješa.
  5. PrepoznavačZvuk se pretvara u tekst, s kvalitetom koja je preostala.

Svaka faza kvalitetu može samo sačuvati ili izgubiti; nijedna ne može vratiti ono što je već nestalo. Zato loš prvi korak, poput zvučnika u automobilu, ograničava sve nakon njega.

Uskopojasni zvuk: osnovno ograničenje

Tradicionalni telefonski zvuk je uskopojasni: prenosi ograničen raspon frekvencija, daleko manji od onoga što hvata studijski mikrofon. Posljedica je da su visokofrekventni zvukovi, koji razlikuju glasove poput s, f i š, oslabljeni. Između s i f, ili p i t, telefon ostavlja malo uporišta. Ljudi se snalaze uz pomoć konteksta. Softver, osobito kod izoliranih riječi poput sricanog imena, ima manje konteksta na koji se može osloniti.

Neki pozivi koriste širokopojasne kodeke koji prenose više pojedinosti, što pomaže. Hoće li određeni poziv od toga imati koristi, ovisi o tome podržava li to svaka karika u lancu, a pozivi između različitih mreža često se vraćaju na najniži zajednički format.

Zvukovi koji najviše trpe

  • Slova u sricanim riječimaB, D, P, T, S i F stapaju se, zbog čega je sricanje glasom nepouzdano.
  • Znamenke„Pet” i „devet” ili „šest” i „šezdeset” bez dobrog zvuka lako je zamijeniti.
  • Meki suglasniciTihi zvukovi na kraju riječi nestaju u buci.
  • Kratke riječiMalo konteksta znači više pogrešaka, kao kod „da” i „ne” u bučnom okruženju.

Ostali uzroci lošeg zvuka

Kompresija i gubitak paketa

Radi uštede propusnosti zvuk se komprimira. Ako mrežni paketi kasne ili se izgube, pojavljuju se kratke praznine ili izobličeni naleti. Čovjek nadopuni nedostajući slog; prepoznavač može dati pogrešnu riječ ili nikakvu.

Pozadinska buka i obrada

Pozivatelji zovu s ulica, iz kuhinja, vozila i trgovina. Suzbijanje buke u uređaju može ukloniti buku, ali i odrezati početak riječi ili spljoštiti tih govor. Rezultat može biti govor koji čovjeku zvuči čisto, a softveru je teži.

Jeka i zvučnik

Kada zvučnik pozivatelja ulazi u njegov mikrofon, agentov se glas može vratiti kao jeka, što može zbuniti i prepoznavanje i otkrivanje toga tko govori. Pomaže ako pozivatelje, kada je važno, potaknete da koriste slušalicu ili naglavne slušalice.

Neusklađenost treninga

Mnogi prepoznavači trenirani su uglavnom na čišćim ili širokopojasnim snimkama. Telefonski zvuk zvuči drukčije, pa točnost pada. Neki pružatelji nude modele prilagođene telefoniji; pitajte za njih i testirajte.

Kako to izgleda u transkriptu

SimptomMogući uzrok u zvuku
Pogrešna slova u sricanim imenimaUskopojasno stapanje slova koja zvuče slično
Zamijenjene ili izostavljene znamenkeGubitak paketa, buka ili brz govor
Nedostaju riječi na početkuSuzbijanje buke u uređaju odreže početak
Čudne riječi koje nisu izgovoreneJeka ili govor u pozadini
Dobra točnost na stolnim telefonima, loša na mobitelimaMobilna buka i kompresija
Duge praznine bez tekstaDetekcija tišine ne prepoznaje tih glas

Pogledajte snimku, a ne samo transkript. Slušanje pokazuje je li problem u zvuku ili u prepoznavanju. Ako vi jasno čujete, a prepoznavač nije uspio, slaba je karika prepoznavač; ako i vi teško razumijete, popravite zvuk.

Izmjerite problem prije popravka

Primamljivo je za svaku pogrešku kriviti prepoznavač. Pouzdanija je navika razvrstati uzorak problematičnih poziva prema uzroku. Uzmite dvadeset poziva u kojima je agent nešto pogrešno shvatio. Za svaki poslušajte snimku i odlučite: je li zvuk bio loš, je li pozivatelj govorio neuobičajeno brzo ili tiho, je li prepoznavač jednostavno pogriješio na jasnom govoru ili je nesporazum nastao u jezičnom modelu nakon točnog teksta?

Raspodjela često iznenadi. Tvrtka s mnogo pozivatelja s mobitela može otkriti da je većina pogrešaka u zvuku; ona sa specijaliziranim rječnikom, poput šifri proizvoda, može otkriti da je slaba točka prepoznavač. Svaki uzrok ima drukčiji lijek, a popravljanje pogrešnog troši tjedne.

Pogledajte i obrasce prema vremenu i putu. Ako se pogreške gomilaju u određeno doba dana, uzrok može biti zagušenje mreže na vašoj strani. Ako se gomilaju kod poziva iz jedne regije ili od jednog operatera, problem može biti na putu zvuka. Zabilježite obrazac prije nego što promijenite bilo koju postavku kako biste poslije znali je li promjena uspjela.

Neka uzorak bude pošten i uključite pozive koji su prošli dobro. Ako pregledavate samo neuspjehe, ne možete znati je li promjena koja ih popravlja potajno pokvarila pozive koji su prije funkcionirali. Usporedba prije i poslije na istom mješovitom skupu najjednostavnija je zaštita.

Što možete učiniti

Osmislite razgovor za loš zvuk

Tehnike za imena i brojeve obrađuje članak Točna imena, brojevi i adrese glasom.

Popravite ono što kontrolirate

Zvuk i prepoznavanje u Callu

U Callu svaki AI agent ima postavke transkriptora: jezik koji sluša, što može biti i automatsko prepoznavanje, prag tišine i klizač osjetljivosti na buku. Zaposlenicima koji koriste telefon u pregledniku transkript uživo može tijekom poziva zapisivati obje strane, označene kao vi i oni, i spremiti ga uz poziv. Za to su potrebni veza s operaterom i javna adresa, a bez njih ploča objašnjava zašto ne radi. Transkripti se čuvaju ograničeno vrijeme. Koristite ih za dijagnostiku: ako je tekst uživo u određenom pozivu loš, reproducirajte snimku i odlučite je li kriv zvuk ili prepoznavač. Samo pozivanje iz preglednika objašnjava članak Kako funkcionira pozivanje iz preglednika: objašnjenje WebRTC-a.

Često postavljana pitanja

Zašto je telefonski zvuk lošiji od glasovne poruke na mojem pametnom telefonu?

Telefonski pozivi koriste uzak, komprimiran zvuk osmišljen da bude razumljiv ljudima, a ne softveru. Aplikacija za glasovne poruke obično snima bogatiji zvuk izravno na uređaju.

Može li prepoznavanje govora na telefonu ikad biti savršeno?

Ne može. I ljudi na lošim linijama pogrešno čuju. Cilj je smanjiti pogreške i osmisliti razgovor tako da se pogreške uhvate potvrdom.

Pomaže li AI agentu bolji mikrofon?

Da, kod vaših zaposlenika i pozivatelja koji koriste slušalice, ali opremu pozivatelja ne možete kontrolirati. Dizajnirajte za najgori realni zvuk.

Zašto je sricana imena tako teško prepoznati?

Mnoga slova na uskoj liniji zvuče slično, a jedno slovo nema kontekst koji bi pomogao. Nuđenje drugog načina bilježenja podatka ili ponavljanje slova smanjuje pogreške.

Trebam li prepoznavanje prilagoditi telefoniji?

Ako vaša platforma nudi modele prilagođene telefoniji ili postavke buke, testirajte ih na stvarnim pozivima. Usporedite rezultate jer prava postavka ovisi o vašim pozivateljima.

Kako znati je li pogreška u zvuku ili u prepoznavanju?

Poslušajte snimku. Ako čovjek jasno čuje riječi, a transkript je pogrešan, sumnjajte na prepoznavanje. Ako je zvuk loš i čovjeku, popravite put zvuka.

Provjerite transkripte i zvuk poziva u Callu

U demo konzoli možete isprobati dolazne pozive u simulaciji.

Povezani vodiči