Tecnologia di IA vocale

Rilevamento dell'attività vocale: capire quando chi chiama ha finito

Come il rilevamento dell'attività vocale distingue parlato e silenzio, perché i tempi sbagliano e come regolare l'attesa perché l'agente non interrompa né tardi.

La redazione di Call · Pubblicato · Lettura di 6 min

Quando due persone parlano al telefono, raramente pensano a chi tocca parlare. Un agente vocale deve calcolarlo. Il primo passo è una domanda sorprendentemente semplice, posta molte volte al secondo: qualcuno sta parlando in questo momento? Il componente che risponde si chiama rilevamento dell'attività vocale, o VAD (voice activity detection).

Una persona parla nel microfono di una cuffia telefonica alla scrivania
Immagine illustrativa

Questa guida spiega cosa fa il VAD, perché su una linea telefonica è più difficile che in una stanza silenziosa, cosa significano le impostazioni e come regolarle. Per il quadro generale di come funziona un agente vocale, leggi Come funziona l'IA vocale in una telefonata.

Cosa fa il rilevamento dell'attività vocale

Il VAD esamina un flusso audio in frammenti brevissimi ed etichetta ciascuno come parlato o non parlato. Le versioni semplici misurano solo il volume. Quelle migliori sono modelli addestrati che riconoscono lo schema della voce umana e ignorano i clic della tastiera, un camion che passa o un televisore in sottofondo.

Le etichette alimentano tre decisioni in un agente vocale:

Poiché tutto ciò che viene dopo dipende dal VAD, un VAD scadente fa sembrare scadente anche un buon agente. Una risposta che arriva mentre chi chiama sta ancora parlando raramente è un problema di linguaggio: di solito è un problema di tempi.

Perché le telefonate lo rendono più difficile

Una linea telefonica è un canale stretto e compresso, che spesso trasporta la voce di qualcuno per strada, in auto o in un negozio. Questa combinazione rende sfumato il confine tra parlato e rumore. Perché l'audio telefonico è difficile per il riconoscimento vocale esamina l'audio in sé; ecco invece gli effetti specifici sul VAD.

Cosa confonde un rilevatore

  • Rumore di fondoTraffico, vento e chiacchiericcio di un bar possono essere scambiati per parlato e tenere aperto il turno.
  • Voci deboliUna voce sommessa può essere classificata come silenzio, e l'agente parla sopra chi chiama.
  • Pause a metà fraseLe persone si fermano a pensare, a fare lo spelling di un nome o a cercare un numero nella borsa.
  • Eco e ritorno localeLa voce dell'agente che rientra nella linea può sembrare chi chiama che parla.
  • Respiri e intercalariSuoni come "mmm" o un sospiro possono contare o meno come turno.

Il compromesso sulla soglia di silenzio

L'impostazione più importante è quanto deve durare un silenzio prima che il sistema decida che chi chiama ha finito. Chiamiamola soglia di silenzio. È un compromesso senza un valore perfetto.

Soglia di silenzio breve o lunga

Attesa breveAttesa lunga
Sensazione della chiamataRapida e vivacePiù lenta, più ponderata
RischioInterrompe mentre chi chiama sta pensando o sta dettando un numeroSilenzi morti dopo ogni risposta; chi chiama si ripete
Adatta aScambi brevi di sì o noNomi, indirizzi, dati del conto, persone anziane o esitanti

Pensa al contenuto della chiamata. Se fai soprattutto domande a cui si risponde sì o no, un'attesa breve funziona. Se chi chiama deve dare un indirizzo e-mail o un numero di riferimento, un'attesa più lunga evita che l'agente intervenga durante una pausa tra le cifre.

Usare velocità diverse per domande diverse

Alcuni sistemi permettono di variare la pazienza a seconda della domanda. Sii rapido quando chiedi se la persona vuole essere richiamata; sii paziente quando chiedi un codice postale. Se la tua piattaforma non lo supporta, scegli l'impostazione adatta alla domanda più difficile, perché interrompere chi chiama irrita più di una breve pausa.

Regolare il VAD in Call

In Call, ogni agente IA ha una sezione Trascrizione in cui scegli la lingua da ascoltare, oppure lasci che la rilevi automaticamente. Due cursori determinano come decide che chi chiama ha finito. La soglia di silenzio è il numero di secondi di silenzio prima che il turno di chi chiama si chiuda, regolabile tra 0 e 1,5 secondi; un valore più basso significa turni più rapidi, uno più alto consente pause più lunghe. Il cursore della sensibilità al rumore rende l'agente più o meno sensibile ai suoni di fondo. Un avviso in quella pagina indica quali di queste impostazioni usano oggi le chiamate reali, quindi controllalo prima di dedicare tempo alle regolazioni.

Un semplice ciclo di regolazione

  1. Parti dai valori predefinitiFai una serie di chiamate di prova di riferimento prima di cambiare qualsiasi cosa.
  2. Testa i casi difficiliChiama da un luogo rumoroso, parla lentamente, fermati a metà di un numero, parla a bassa voce.
  3. Cambia una sola impostazioneRegola il silenzio o la sensibilità al rumore, non entrambi insieme.
  4. Ripeti il test e confrontaUsa lo stesso copione, così le differenze dipendono dall'impostazione.
  5. Rivedi le chiamate realiLeggi le trascrizioni cercando persone interrotte o lunghi vuoti, e regola di nuovo.

Pensa a un'ipotetica persona che detta un codice di prenotazione. Dice i primi quattro caratteri, dà un'occhiata all'e-mail di conferma e prosegue dopo due secondi. Con un'attesa breve, l'agente ha già risposto, la persona ricomincia e i due si parlano sopra. Con un'attesa più lunga la stessa persona completa il codice in una volta sola. Ora immagina qualcuno che deve solo dire sì. L'attesa più lunga gli costa un secondo di silenzio a ogni turno. L'impostazione giusta dipende da quale di queste chiamate prevedi più spesso.

Chi chiama da cellulare aggiunge un'ulteriore complicazione. I telefoni con una soppressione del rumore aggressiva a volte tagliano la prima sillaba di una frase, quindi l'inizio del parlato arriva in ritardo. Se spesso sembra che chi chiama cominci a parlare e venga ignorato, prova l'impostazione di rumore più sensibile e ripeti il test da un cellulare.

Interpretare i sintomi

Spesso puoi capire in quale direzione è sbagliata un'impostazione ascoltando le chiamate.

Cosa sentiCausa probabileCosa provare
L'agente parla sopra chi chiamaAttesa del silenzio troppo breve, o parlato sommesso non rilevatoAlza la soglia di silenzio, aumenta la sensibilità al rumore
Lunghe pause prima di ogni rispostaAttesa del silenzio troppo lungaAbbassa un po' la soglia
L'agente non risponde affattoIl rumore viene trattato come parlato, quindi il turno non si chiude maiRiduci la sensibilità al rumore
L'agente ignora chi parla a bassa voceIl parlato viene trattato come rumoreAumenta la sensibilità al rumore
Le risposte sembrano lente anche con un'attesa breveRitardo in un altro punto della catenaVedi la guida sulla latenza

Il ritardo ha diverse cause oltre al VAD. Latenza nell'IA vocale: perché le risposte sembrano lente le distingue, e Gestire il barge-in e le interruzioni spiega cosa succede quando chi chiama parla mentre l'agente sta parlando.

Oltre il silenzio: decisioni di fine turno più intelligenti

Il silenzio da solo è un segnale grossolano. Gli approcci più recenti considerano anche cosa è stato detto: una frase che termina con "e" o "oppure", o un numero detto a metà, probabilmente significa che c'è dell'altro, mentre una domanda completa probabilmente no. Questi metodi sono descritti più a fondo in L'alternanza dei turni negli agenti vocali. Qualunque sia la tecnica, considera le promesse dei fornitori come ipotesi e verificale con le tue chiamate.

Prima di andare in produzione, verifica che

  • L'agente non interrompa quando chi chiama detta dei numeri
  • Una pausa di un secondo o due non venga trattata come fine del turno
  • Chi chiama da una strada rumorosa venga comunque capito
  • La voce dell'agente non attivi il rilevatore
  • Tu abbia ascoltato chiamate da cellulare, non solo da telefoni fissi
  • Tu sappia dove modificare le impostazioni se le chiamate reali rivelano un problema

Cosa fare ora in Call

Apri le impostazioni vocali dell'agente, controlla la sezione Trascrizione e fai una chiamata di prova che faccia squillare il tuo telefono attraverso la linea. Poi apri la chiamata nello storico chiamate, dove un responsabile può vedere quanto è durato ogni turno di parola, e confrontalo con la sensazione che ti ha dato la chiamata. Piccole modifiche alla soglia di silenzio si valutano meglio con un ascolto a confronto che a memoria.

Domande frequenti

Cosa significa VAD?

Voice activity detection, cioè rilevamento dell'attività vocale. È la parte di un sistema vocale che distingue il parlato dal silenzio e dal rumore di fondo.

Il VAD è la stessa cosa del riconoscimento vocale?

No. Il VAD decide solo se qualcuno sta parlando. Il riconoscimento vocale trasforma il parlato in testo. Lavorano insieme, e il VAD decide anche quando smettere di ascoltare e iniziare a rispondere.

Perché a volte l'agente mi interrompe?

Probabilmente l'attesa del silenzio è troppo breve per il tuo modo di parlare, oppure una pausa è stata interpretata come la fine del tuo turno. Di solito aiuta alzare la soglia di silenzio.

Perché c'è una lunga pausa prima che l'agente risponda?

L'attesa del silenzio potrebbe essere lunga, oppure il ritardo è altrove, per esempio nella generazione della risposta. Controlla prima le impostazioni, poi guarda i tempi di risposta nello storico chiamate.

Il rumore di fondo influisce sul risultato?

Sì. Il rumore può essere scambiato per parlato e tenere aperto il turno, e un parlato sommesso può essere scambiato per rumore. Le impostazioni di sensibilità al rumore e le chiamate di prova da luoghi realistici ti aiutano a trovare un equilibrio.

Un'unica impostazione può andare bene per tutti?

Raramente. Scegli un valore adatto alle domande più impegnative e rivedi le chiamate reali, perché chi è paziente e chi è rapido si comportano in modo diverso.

Regola in Call come il tuo agente IA decide che chi chiama ha finito

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

Guide correlate