Tecnologia di IA vocale

Perché l'audio telefonico è difficile per il riconoscimento vocale

Perché l'audio telefonico a banda stretta, compresso e rumoroso mette in difficoltà il riconoscimento vocale, come riconoscerne i sintomi e cosa correggere.

La redazione di Call · Pubblicato · Lettura di 6 min

Un assistente vocale che funziona alla perfezione in una demo può inciampare in una chiamata reale. Raramente la causa è il modello linguistico: di solito è l'audio. Una linea telefonica è un ambiente ostile per il riconoscimento vocale, e capire perché ti aiuta a fissare aspettative realistiche e a risolvere i problemi risolvibili.

Una persona parla al cellulare in una strada trafficata
Immagine illustrativa

Questa guida segue il suono dalla bocca di chi chiama fino al riconoscitore e mostra dove si perde qualità. Accompagna il riconoscimento vocale nelle telefonate e il rilevamento dell'attività vocale.

Il percorso dell'audio di una telefonata

Dove il suono può danneggiarsi

  1. MicrofonoUn telefono o una cuffia cattura la voce, insieme all'ambiente.
  2. Elaborazione nel telefonoSoppressione del rumore e controllo del guadagno rimodellano il suono.
  3. ReteL'audio viene compresso e inviato a pacchetti attraverso collegamenti mobili e internet.
  4. Piattaforma telefonicaLa chiamata viene collegata, convertita e talvolta mixata.
  5. RiconoscitoreL'audio viene convertito in testo, con la qualità che resta.

Ogni fase può solo conservare o perdere qualità; nessuna può restituire ciò che è già andato perso. Per questo un primo tratto scadente, come un vivavoce in auto, limita tutto ciò che viene dopo.

L'audio a banda stretta: il limite di base

L'audio telefonico tradizionale è a banda stretta: trasporta una gamma limitata di frequenze, molto inferiore a quella catturata da un microfono da studio. Di conseguenza i suoni acuti, che distinguono lettere come s, f e z, risultano indeboliti. Tra s e f, o tra p e t, il telefono lascia pochi indizi. Le persone se la cavano grazie al contesto. Il software, soprattutto su parole isolate come un nome dettato lettera per lettera, ha meno contesto su cui appoggiarsi.

Alcune chiamate usano codec a banda larga che trasportano più dettagli, e questo aiuta. Se una determinata chiamata ne benefici dipende dal supporto di ogni anello della catena, e le chiamate tra reti diverse spesso ripiegano sul formato comune più basso.

I suoni che soffrono di più

  • Lettere nelle parole dettateB, D, P, T, S e F si confondono, il che rende inaffidabile lo spelling a voce.
  • CifreCinque e nove, o sei e sessanta, possono confondersi senza un buon audio.
  • Consonanti deboliI suoni sommessi a fine parola spariscono sotto il rumore.
  • Parole breviPoco contesto significa più errori, come per "sì" e "no" in un ambiente rumoroso.

Altre cause di un audio scadente

Compressione e perdita di pacchetti

Per risparmiare banda, l'audio viene compresso. Se i pacchetti di rete arrivano in ritardo o vanno persi, compaiono brevi vuoti o raffiche distorte. Una persona colma una sillaba mancante; un riconoscitore può produrre una parola sbagliata o nessuna.

Rumore di fondo ed elaborazione

Le persone chiamano da strade, cucine, veicoli e negozi. La soppressione del rumore nel telefono può eliminare il rumore ma anche tagliare l'inizio di una parola o appiattire un parlato sommesso. Il risultato può essere un parlato che a una persona sembra pulito, ma che per il software è più difficile.

Eco e vivavoce

Quando l'altoparlante di chi chiama rientra nel suo microfono, la voce dell'agente può tornare come eco, il che può confondere sia il riconoscimento sia il rilevamento di chi sta parlando. Invitare chi chiama a usare il telefono all'orecchio o una cuffia quando conta è utile.

Disallineamento nell'addestramento

Molti riconoscitori sono addestrati in gran parte su registrazioni più pulite o a banda più larga. L'audio telefonico suona diverso, quindi la precisione cala. Alcuni fornitori offrono modelli ottimizzati per la telefonia; chiedi informazioni e fai dei test.

Come si presenta in una trascrizione

SintomoPossibile causa audio
Lettere sbagliate nei nomi dettatiConfusione da banda stretta tra lettere dal suono simile
Cifre scambiate o persePerdita di pacchetti, rumore o parlato veloce
Parole mancanti all'inizioLa soppressione del rumore del telefono taglia l'inizio
Parole strane mai pronunciateEco o voci di sottofondo
Buona precisione dai telefoni fissi, scarsa dai cellulariRumore e compressione della rete mobile
Lunghi vuoti senza testoIl rilevamento del silenzio non coglie una voce sommessa

Guarda la registrazione, non solo la trascrizione. L'ascolto mostra se il problema è l'audio o il riconoscimento. Se tu senti chiaramente e il riconoscitore no, l'anello debole è il riconoscitore; se fai fatica anche tu, correggi l'audio.

Misurare il problema prima di correggerlo

È allettante dare la colpa al riconoscitore per ogni errore. Un'abitudine più affidabile è classificare per causa un campione di chiamate problematiche. Prendi venti chiamate in cui l'agente ha frainteso qualcosa. Per ciascuna, ascolta la registrazione e decidi: l'audio era scadente, chi chiamava parlava in modo insolitamente veloce o sommesso, il riconoscitore ha semplicemente sbagliato su un parlato chiaro, oppure il malinteso è avvenuto nel modello linguistico dopo un testo corretto?

Spesso la ripartizione sorprende. Un'azienda con molte chiamate da cellulare può scoprire che la maggior parte degli errori dipende dall'audio; una con un vocabolario specialistico, come i codici prodotto, può scoprire che il punto debole è il riconoscitore. Ogni causa ha un rimedio diverso, e correggere quella sbagliata fa perdere settimane.

Guarda anche gli schemi per orario e percorso. Se gli errori si concentrano in una certa ora, la causa può essere la congestione della rete dalla tua parte. Se si concentrano sulle chiamate da una certa regione o da un certo operatore, il problema può stare nel percorso audio. Annota lo schema prima di cambiare qualsiasi impostazione, così potrai capire dopo se la modifica ha funzionato.

Mantieni onesto il campione includendo anche chiamate andate bene. Se rivedi solo i fallimenti, non puoi capire se una modifica che li risolve ha rovinato in silenzio chiamate che prima funzionavano. Un confronto prima e dopo sullo stesso insieme misto è la tutela più semplice.

Cosa puoi fare

Progetta la conversazione per un audio scadente

Le tecniche per nomi e numeri sono approfondite in Nomi, numeri e indirizzi corretti a voce.

Correggi ciò che controlli

Audio e riconoscimento in Call

In Call, ogni agente IA ha impostazioni di trascrizione: la lingua da ascoltare, che può essere rilevata automaticamente, una soglia di silenzio e un cursore di sensibilità al rumore. Per il personale che usa il telefono nel browser, una trascrizione dal vivo può scrivere entrambi i lati di una chiamata mentre avviene, contrassegnati come te e l'interlocutore, e salvarla con la chiamata. Richiede la connessione con l'operatore telefonico e un indirizzo pubblico, e in loro assenza il pannello spiega il motivo. Le trascrizioni vengono conservate per un periodo limitato. Usale come strumento diagnostico: se il testo dal vivo è scadente in una certa chiamata, riproduci la registrazione e decidi se la colpa è dell'audio o del riconoscitore. Le chiamate dal browser sono spiegate in Come funzionano le chiamate dal browser: WebRTC spiegato.

Domande frequenti

Perché l'audio di una telefonata è peggiore di un messaggio vocale sul mio smartphone?

Le telefonate usano un audio stretto e compresso, pensato per essere comprensibile alle persone, non al software. Un'app di messaggi vocali di solito registra un audio più ricco direttamente sul dispositivo.

Il riconoscimento vocale al telefono potrà mai essere perfetto?

No. Anche le persone fraintendono sulle linee disturbate. L'obiettivo è ridurre gli errori e progettare la conversazione in modo che gli sbagli vengano intercettati dalle conferme.

Un microfono migliore aiuta l'agente IA?

Sì per il tuo personale e per chi chiama usando una cuffia, ma non puoi controllare l'attrezzatura di chi chiama. Progetta per l'audio peggiore realisticamente possibile.

Perché i nomi dettati lettera per lettera sono così difficili?

Su una linea stretta molte lettere suonano simili, e una singola lettera non ha contesto che aiuti. Offrire un altro modo per raccogliere il dato, o ripetere le lettere, riduce gli errori.

Devo ottimizzare il riconoscimento per la telefonia?

Se la tua piattaforma offre modelli ottimizzati per il telefono o impostazioni del rumore, provali su chiamate reali. Confronta i risultati, perché l'impostazione giusta dipende da chi ti chiama.

Come capisco se un errore dipende dall'audio o dal riconoscimento?

Ascolta la registrazione. Se una persona sente chiaramente le parole e la trascrizione è sbagliata, sospetta il riconoscimento. Se l'audio è scadente anche per una persona, correggi il percorso audio.

Controlla trascrizioni e audio delle chiamate in Call

Nella console demo puoi provare le chiamate in arrivo in simulazione.

Guide correlate