Teknologi AI suara

Mengapa Audio Telefon Sukar untuk Pengecaman Pertuturan

Mengapa audio telefon yang berjalur sempit, dimampatkan dan bising menyukarkan pengecaman pertuturan, cara mengenal simptomnya dan apa yang boleh dibaiki.

Pasukan editorial Call · Diterbitkan · Bacaan 5 min

Pembantu suara yang berfungsi dengan sempurna dalam demo boleh tersandung dalam panggilan sebenar. Puncanya jarang sekali model bahasa. Ia biasanya audio. Talian telefon ialah tempat yang mencabar bagi pengecaman pertuturan, dan memahami sebabnya membantu anda menetapkan jangkaan yang realistik dan membaiki masalah yang boleh dibaiki.

Seorang pemanggil bercakap di telefon mudah alih di jalan yang sibuk
Imej ilustrasi

Panduan ini mengikuti bunyi dari mulut pemanggil hingga ke pengecam dan menunjukkan di mana kualiti hilang. Ia pelengkap kepada Pengecaman Pertuturan dalam Panggilan Telefon dan Pengesanan Aktiviti Suara.

Perjalanan audio panggilan telefon

Di mana bunyi boleh rosak

  1. MikrofonTelefon atau set kepala menangkap suara, bersama bunyi bilik.
  2. Pemprosesan dalam telefonPenindasan bunyi dan kawalan gandaan membentuk semula bunyi.
  3. RangkaianAudio dimampatkan dan dihantar dalam paket melalui pautan mudah alih dan internet.
  4. Platform telefoniPanggilan disambungkan, ditukar dan kadangkala dicampur.
  5. PengecamAudio ditukar kepada teks, dengan kualiti apa pun yang tinggal.

Setiap peringkat hanya boleh mengekalkan atau kehilangan kualiti; tiada yang boleh mengembalikan apa yang sudah hilang. Itulah sebabnya langkah pertama yang lemah, seperti pembesar suara di dalam kereta, mengehadkan segala-galanya selepasnya.

Audio jalur sempit: had asas

Audio telefon tradisional ialah jalur sempit: ia membawa julat frekuensi yang terhad, jauh lebih sedikit daripada yang ditangkap mikrofon studio. Akibatnya, bunyi frekuensi tinggi, yang membezakan huruf seperti s, f dan th, menjadi lemah. Antara s dan f, atau p dan t, telefon hanya meninggalkan sedikit petunjuk. Manusia mengatasinya dengan menggunakan konteks. Perisian, terutamanya pada perkataan terasing seperti nama yang dieja, mempunyai kurang konteks untuk bersandar.

Sesetengah panggilan menggunakan codec jalur lebar yang membawa lebih banyak butiran, yang membantu. Sama ada sesuatu panggilan mendapat manfaat bergantung pada setiap pautan dalam rantaian yang menyokongnya, dan panggilan antara rangkaian berbeza sering kembali kepada format biasa yang paling rendah.

Bunyi yang paling terjejas

  • Huruf dalam perkataan yang diejaB, D, P, T, S dan F menjadi kabur, yang menjadikan ejaan melalui suara tidak boleh diharap.
  • DigitLima dan sembilan, atau enam dan enam puluh, boleh terkeliru tanpa audio yang baik.
  • Konsonan lembutBunyi perlahan di hujung perkataan hilang ditenggelami bunyi bising.
  • Perkataan pendekKonteks yang sedikit bermaksud lebih banyak kesilapan, seperti ya dan tidak dalam persekitaran yang bising.

Punca lain audio yang lemah

Pemampatan dan kehilangan paket

Untuk menjimatkan lebar jalur, audio dimampatkan. Jika paket rangkaian lewat atau hilang, jurang pendek atau letusan bunyi yang kacau muncul. Manusia mengisi suku kata yang hilang; pengecam mungkin menghasilkan perkataan yang salah atau tiada perkataan langsung.

Bunyi latar dan pemprosesan

Pemanggil menelefon dari jalan, dapur, kenderaan dan kedai. Penindasan bunyi dalam telefon boleh membuang bunyi bising tetapi juga memotong permulaan perkataan atau meratakan pertuturan yang perlahan. Hasilnya boleh jadi pertuturan yang kedengaran bersih kepada manusia tetapi lebih sukar bagi perisian.

Gema dan pembesar suara

Apabila pembesar suara pemanggil masuk ke mikrofon mereka, suara ejen sendiri mungkin kembali sebagai gema, yang boleh mengelirukan pengecaman dan pengesanan siapa yang sedang bercakap. Menggalakkan pemanggil menggunakan gagang telefon atau set kepala apabila perlu membantu.

Ketidakpadanan latihan

Banyak pengecam dilatih sebahagian besarnya dengan rakaman yang lebih bersih atau berjalur lebih lebar. Audio telefon kedengaran berbeza, jadi ketepatan menurun. Sesetengah penyedia menawarkan model yang ditala untuk telefoni; tanyakannya, dan uji.

Rupanya dalam transkrip

SimptomPunca audio yang mungkin
Huruf salah dalam nama yang diejaKekaburan jalur sempit antara huruf yang bunyinya serupa
Digit tertukar atau tercicirKehilangan paket, bunyi bising atau pertuturan yang laju
Perkataan hilang di permulaanPenindasan bunyi telefon memotong permulaan
Perkataan pelik yang tidak diucapkanGema atau pertuturan di latar belakang
Ketepatan baik pada telefon meja, lemah pada telefon mudah alihBunyi bising dan pemampatan mudah alih
Jurang panjang tanpa teksPengesanan senyap gagal pada suara yang perlahan

Lihat rakaman, bukan hanya transkrip. Mendengar menunjukkan sama ada masalahnya audio atau pengecaman. Jika anda boleh mendengarnya dengan jelas tetapi pengecam tidak, pengecam ialah pautan yang lemah; jika anda juga bergelut, baiki audio.

Mengukur masalah sebelum membaikinya

Memang mudah untuk menyalahkan pengecam bagi setiap kesilapan. Tabiat yang lebih boleh diharap ialah menyusun sampel panggilan bermasalah mengikut punca. Ambil dua puluh panggilan di mana ejen tersalah faham sesuatu. Bagi setiap satu, dengar rakaman dan tentukan: adakah audionya lemah, adakah pemanggil bercakap terlalu laju atau perlahan, adakah pengecam salah walaupun pertuturan jelas, atau adakah salah faham berlaku dalam model bahasa selepas teks yang betul?

Selalunya pembahagiannya mengejutkan. Perniagaan dengan ramai pemanggil mudah alih mungkin mendapati kebanyakan kesilapan berpunca daripada audio; perniagaan dengan perbendaharaan kata khusus, seperti kod produk, mungkin mendapati pengecam ialah titik lemahnya. Setiap punca ada penyelesaian berbeza, dan membaiki punca yang salah membuang masa berminggu-minggu.

Lihat juga corak mengikut masa dan laluan. Jika kesilapan berkumpul pada jam tertentu, puncanya mungkin kesesakan rangkaian di pihak anda. Jika ia berkumpul pada panggilan dari satu wilayah atau pembawa, laluan audio mungkin bermasalah. Catat corak itu sebelum mengubah sebarang tetapan supaya anda boleh tahu selepas itu sama ada perubahan itu berkesan.

Pastikan sampel itu jujur dengan memasukkan panggilan yang berjalan lancar. Jika anda hanya menyemak kegagalan, anda tidak dapat mengetahui sama ada perubahan yang membaikinya telah merosakkan panggilan yang dahulunya berfungsi. Perbandingan sebelum dan selepas pada set campuran yang sama ialah perlindungan paling mudah.

Apa yang boleh anda lakukan

Reka perbualan untuk audio yang lemah

Teknik untuk nama dan nombor dihuraikan dalam Mendapatkan Nama, Nombor dan Alamat dengan Betul melalui Suara.

Baiki apa yang anda kawal

Audio dan pengecaman dalam Call

Dalam Call, setiap ejen AI mempunyai tetapan transkriber: bahasa yang didengarnya, yang boleh dikesan secara automatik, ambang senyap dan peluncur kepekaan bunyi. Bagi kakitangan yang menggunakan telefon pelayar, transkrip langsung boleh mencatat kedua-dua pihak dalam panggilan semasa ia berlangsung, dilabel sebagai anda dan mereka, dan menyimpannya bersama panggilan. Ia memerlukan sambungan pembawa dan alamat awam, dan tanpanya panel itu menerangkan sebabnya. Transkrip disimpan untuk tempoh terhad. Gunakannya sebagai alat diagnostik: jika teks langsung lemah pada panggilan tertentu, mainkan rakaman dan tentukan sama ada audio atau pengecam yang bermasalah. Panggilan melalui pelayar itu sendiri diterangkan dalam Cara Panggilan Pelayar Berfungsi: Penerangan WebRTC.

Soalan lazim

Mengapa audio telefon lebih teruk daripada mesej suara di telefon pintar saya?

Panggilan telefon menggunakan audio yang sempit dan dimampatkan, direka supaya mudah difahami manusia, bukan perisian. Aplikasi mesej suara biasanya merakam audio yang lebih kaya terus pada peranti.

Bolehkah pengecaman pertuturan sempurna di telefon?

Tidak. Manusia pun tersalah dengar pada talian yang buruk. Matlamatnya ialah mengurangkan kesilapan dan mereka bentuk perbualan supaya kesilapan dikesan melalui pengesahan.

Adakah mikrofon yang lebih baik membantu ejen AI?

Ya untuk kakitangan anda sendiri dan untuk pemanggil yang menggunakan set kepala, tetapi anda tidak dapat mengawal peralatan pemanggil. Reka bentuk untuk audio paling teruk yang realistik.

Mengapa nama yang dieja begitu sukar?

Banyak huruf berbunyi serupa pada talian yang sempit, dan satu huruf tidak mempunyai konteks untuk membantu. Menawarkan cara lain untuk merekod butiran itu, atau membacakan semula huruf, mengurangkan kesilapan.

Patutkah saya menala pengecaman untuk telefoni?

Jika platform anda menawarkan model yang ditala untuk telefon atau tetapan bunyi, uji pada panggilan sebenar. Bandingkan hasil, kerana tetapan yang betul bergantung pada pemanggil anda.

Bagaimana saya tahu sama ada kesilapan berpunca daripada audio atau pengecaman?

Dengar rakaman. Jika manusia mendengar perkataan dengan jelas tetapi transkripnya salah, syaki pengecaman. Jika audio juga lemah bagi manusia, baiki laluan audio.

Semak transkrip dan audio panggilan dalam Call

Dalam konsol demo, anda boleh mencuba panggilan masuk secara simulasi.

Panduan berkaitan