Tehnologija glasovne umjetne inteligencije

Izmjenjivanje riječi kod glasovnih agenata: tko govori i kada

Kako glasovni agent odlučuje kada govoriti, čekati ili stati, zašto su preklapanja i stanke teški i kako osmisliti telefonske razgovore koji djeluju prirodno.

Urednički tim usluge Call · Objavljeno · Čitanje: 5 min

Ljudski razgovor iznimno je glatka predaja riječi. Počinjemo govoriti upravo kada druga osoba završava, često i prije nego što završi, i znakove čitamo a da to ne primjećujemo. Glasovni agent nema takav instinkt. Moraju mu se dati pravila o tome kada slušati, kada govoriti i kada stati. Ako su pravila pogrešna, i točni odgovori djeluju nespretno.

Dvije osobe razgovaraju telefonom preko radnog stola
Ilustrativna slika

Ovaj članak obrađuje ideje na kojima počiva izmjenjivanje riječi kod glasovnih agenata i dizajnerske odluke zbog kojih poziv djeluje prirodno. Nadovezuje se na članak Detekcija glasovne aktivnosti, koji objašnjava kako se otkriva tišina, i na članak Upadanje u govor i prekidanje.

Kako izgleda prirodno izmjenjivanje riječi

U svakodnevnom razgovoru razmak između jednog i sljedećeg govornika obično je vrlo kratak, a duge tišine djeluju neugodno. Ljudi se i malo preklapaju, čujno kimaju i izgovaraju kratke riječi kako bi pokazali da prate. Ništa od toga nije nepristojno; tako razgovor ostaje živ.

Na telefonu nema lica koje se može čitati, pa glas nosi svaki signal. Ton koji raste znači pitanje, riječ koja se razvlači znači da misao nije dovršena, a brz udah često znači da će netko progovoriti. Softver te znakove mora aproksimirati samo iz zvuka i teksta.

Potezi s kojima se glasovni agent mora nositi

  • Preuzimanje riječiPočetak odgovora nakon što pozivatelj završi, bez duge stanke.
  • Zadržavanje riječiNastavak govora kada ga prekine kratka buka ili kašalj.
  • Ustupanje riječiZaustavljanje kada pozivatelj počne govoriti preko agenta.
  • Potvrdni zvukoviKratki zvukovi poput „da” ili „aha” koji nisu novi red.
  • PopravakOporavak kada oboje govore istodobno ili kada je agent pogrešno čuo.

Zašto je to softveru teško

Tri se problema pojavljuju iznova.

Odlučivanje da je red završio

Čekanje fiksne tišine jednostavno je, ali grubo. Ljudi zastaju usred rečenice dok razmišljaju. Također završe misao i ne kažu ništa, očekujući odgovor. Napredniji sustavi gledaju dosad izgovorene riječi: značenje pitanja, potpunu adresu ili rečenicu koja završava veznikom. Fiksni pristup, pametniji pristup i njihova kombinacija imaju svoje kompromise, zbog čega postoje postavke strpljivosti.

Postupanje s preklapanjem i prekidanjem

Ako agent nastavi govoriti dok pozivatelj nešto kaže, pozivatelj će to ponoviti glasnije. Dobar agent brzo stane kada čuje pravi govor, ali ne zbog kašlja ili automobilske sirene. Zaustavljanje na svaku buku čini ga nervoznim; zanemarivanje stvarnih prekida čini da zvuči gluho.

Razlikovanje potvrdnih zvukova od pravih redova

Kada agent čita dugu adresu, a pozivatelj kaže „mhm”, to je poticaj, a ne prekid. Ako ga se tretira kao novi red, izlaganje se raspada. Mnogi sustavi ne mogu pouzdano razlikovati to dvoje, pa je praktično rješenje iskaze držati dovoljno kratkima da se to pitanje ni ne pojavi.

Osmišljavanje razgovora koji odgovaraju tehnologiji

Tehnologiju ne možete ponovno izgraditi, ali možete pisati razgovore koji s njom funkcioniraju. Većina poboljšanja dolazi iz skripte i prompta, a ne iz pametnog inženjerstva.

Razmjena s dobrim tempom

  1. Kratak pozdravU jednoj rečenici recite tko se javlja i ponudite pomoć.
  2. Otvoreno pitanjePustite pozivatelja da objasni vlastitim riječima.
  3. Kratka potvrdaS nekoliko riječi ponovite zahtjev kako bi pozivatelj znao da je saslušan.
  4. Jedno dodatno pitanjeZatražite jedini podatak koji još nedostaje.
  5. Zatvaranje krugaRecite što slijedi i po potrebi ponudite osobu.

Brzina je važna koliko i tajming

Ispravna odluka o izmjeni i dalje djeluje pogrešno ako odgovor stigne kasno. Odgovore mogu odgoditi transkripcija, jezični model i sinteza govora. Neki sustavi počinju govoriti čim je spreman prvi dio odgovora umjesto da čekaju cijeli odgovor, što skraćuje razmak. Pogledajte Latencija glasovnog AI-ja za to kamo odlazi vrijeme.

Postoji i ljudska strana. Mala potvrda, poput kratkog tona ili brze uvodne riječi, može umiriti pozivatelja tijekom duljeg pretraživanja, ali poštapalice koje se ponavljaju u svakom redu postaju iritantne. Koristite ih umjereno i testirajte ih sa stvarnim slušateljima.

Situacije koje opterećuju izmjenjivanje riječi

Neke vrste poziva zahtijevaju dodatnu pažnju jer se prirodni ritam raspada.

U svakom je slučaju lijek isti: promatrajte stvarne pozive, pronađite gdje se ritam prekinuo i prilagodite skriptu ili postavke. Izmjenjivanje riječi nikad nije dovršeno jer pozivatelji nikad nisu jednaki.

Testiranje izmjenjivanja riječi

Izmjenjivanje riječi ne može se procijeniti samo iz transkripta; morate slušati. Uputite probne pozive s kolegom koji glumi različite pozivatelje i bilježite kakav je dojam razmjene.

TestNa što obratiti pozornost
Brz govornikPrati li agent tempo bez upadanja?
Spor, neodlučan govornikČeka li agent tijekom stanki između riječi?
Pozivatelj koji prekidaPrestaje li agent brzo govoriti i odgovara li na novi unos?
Čitanje znamenkiJe li agent strpljiv između skupina znamenki?
„Mhm” dok agent govoriNastavlja li agent umjesto da stane?
Pozivatelj šutiDaje li agent blag poticaj, a zatim nudi izlaz?

Postavke izmjenjivanja riječi u Callu

U Callu svaki AI agent ima postavke transkriptora u kojima birate jezik slušanja i određujete kako odlučuje da je pozivatelj završio: prag tišine do sekunde i pol i klizač osjetljivosti na buku. Voditelji mogu otvoriti poziv u povijesti poziva i vidjeti koliko je trajala svaka izgovorena izmjena, što pomaže utvrditi je li zaostajanje nastalo zbog čekanja tišine ili zbog samog odgovora. Agent je ujedno postavljen tako da odgovori budu kratki i prirodni. Probnim pozivom nazovite vlastiti telefon, zatim prilagodite i ponovno nazovite. Za postavljanje korak po korak pogledajte Postavljanje AI agenta u Callu.

Posljednja dizajnerska napomena: pozivateljima uvijek dajte izlaz iz razgovora. Pozivatelj kojemu ne odgovara ritam automatiziranog glasa treba moći zatražiti osobu, kako je opisano u članku IVR ili AI glasovni agent.

Često postavljana pitanja

Što je izmjenjivanje riječi kod glasovnog agenta?

To je način na koji agent odlučuje kada je pozivatelj završio, kada odgovoriti i kada prestati govoriti jer je pozivatelj počeo. Zbog toga poziv djeluje kao razgovor, a ne kao niz naredbi.

Zašto moj glasovni agent govori preko pozivatelja?

Česti su uzroci prekratko čekanje tišine, buka protumačena kao kraj govora ili pozivatelj koji često zastaje. Prilagodite postavke tišine i testirajte s realističnim govorom.

Što je potvrdni zvuk?

Potvrdni zvuk kratak je zvuk poput „mhm” ili „aha” koji pokazuje da slušatelj prati. Nije novi red, ali ga softver može tako protumačiti.

Može li me agent namjerno prekinuti?

Dobro osmišljeni agenti to izbjegavaju. Ako agent upadne u riječ, gotovo je uvijek riječ o problemu tajminga, a ne o izboru. Dulje čekanje tišine to obično smanjuje.

Zvuči li brži odgovor uvijek bolje?

Ne. Odgovor koji stigne prerano može djelovati kao prekid, osobito kada pozivatelj čita broj. Cilj je prirodan razmak, a ne najkraći.

Kako testirati izmjenjivanje riječi?

Uputite pozive s različitim stilovima govora, uključujući neodlučne govornike, prekidanje i čitanje znamenki, a zatim preslušajte snimke. Mijenjajte jednu po jednu postavku i ponavljajte istu skriptu.

Podesite kako vaš AI agent u Callu izmjenjuje riječi u pozivima

U demo konzoli možete isprobati dolazne pozive u simulaciji.

Povezani vodiči