Accenten en dialecten bij voice-AI: testen en afstellen
Waarom spraakagents sommige accenten beter verstaan, wat u kunt aanpassen en hoe u eerlijk test met echte stemmen, zodat geen enkele beller wordt buitengesloten.
Iedereen heeft een accent. Een spraakagent is echter getraind op een bepaalde mix van stemmen, en verstaat doorgaans het best de stemmen die hij het vaakst heeft gehoord. Voor een bedrijf dat een gevarieerd publiek bedient, is dat geen klein technisch detail. Het bepaalt of een beller geholpen wordt of gefrustreerd raakt.

Deze gids legt uit waarom accenten en dialecten van invloed zijn op voice-AI, wat u kunt aanpassen en hoe u eerlijk test. Hij hangt samen met Meertalige voice-AI en Waarom telefoonaudio lastig is voor spraakherkenning, die de taal- en audiokant aanvullen.
Waarom accenten ertoe doen voor een herkenner
Een spraakherkenner leert patronen uit opnames die aan tekst zijn gekoppeld. Zijn een regionaal accent, een leeftijdsgroep of niet-moedertaalsprekers ondervertegenwoordigd in de trainingsopnames, dan zijn de patronen voor die stemmen zwakker. De herkenner is niet bevooroordeeld in menselijke zin; hij heeft simpelweg minder bewijs. Het effect kan echter ongelijke dienstverlening zijn.
Wat er tussen sprekers verschilt
- UitspraakKlinkers en medeklinkers variëren per regio en moedertaal.
- Ritme en klemtoonWelke lettergreep nadruk krijgt, en hoe snel woorden in elkaar overlopen.
- WoordenschatLokale woorden voor alledaagse dingen, plaatsnamen en straattaal.
- Grammaticale patronenDialectvormen en zinsbouw die afwijken van de schooltaal.
- Code-switchingBinnen één zin wisselen tussen twee talen.
Het taalmodel dat de transcriptie leest, heeft een vergelijkbaar probleem. Een uitdrukking die in het ene dialect heel gewoon is, kan ongebruikelijk zijn in de geschreven tekst waarvan het heeft geleerd, en de betekenis kan worden gemist.
Dialecten binnen één taal
Het is een veelvoorkomend misverstand dat een taal één geheel is. Het Engels zoals dat in verschillende landen wordt gesproken, verschilt sterk in klanken en woorden, en hetzelfde geldt voor veel talen, waaronder het Japans met zijn regionale dialecten, en het Spaans, Arabisch en Chinees. Ook het Nederlands kent duidelijke verschillen tussen Nederland en Vlaanderen en tussen regio's. Een systeem dat is afgestemd op een standaardvorm, kan maar gedeeltelijk overweg met regionale spraak.
Lokale woordenschat is een bijzonder probleem. Straatnamen, wijken, bijnamen van producten en achternamen staan vaak niet in een algemeen woordenboek. Noemen uw bellers ze regelmatig, dan is de kans groter dat de herkenner ze omzet in gelijkklinkende gewone woorden.
Wat u kunt aanpassen
Kies de taal en regio zorgvuldig
Veel herkenners bieden taalvarianten per regio. De variant kiezen die het dichtst bij uw bellers ligt, kan helpen. Automatische taalherkenning is handig bij gemengde bellers, maar neemt vroeg in het gesprek een beslissing, dus test hoe die zich gedraagt bij korte uitingen en bij spraak met een accent. In Call kunt u in de transcriptie-instellingen een taal kiezen of die automatisch laten herkennen, en de agent houdt de eerste taal die hij herkent de rest van het gesprek aan, tenzij de beller om een andere vraagt.
Voeg de woorden toe die ertoe doen
Ondersteunt het platform een eigen woordenlijst of hints, voeg dan bedrijfsnamen, productnamen, namen van medewerkers en lokale plaatsnamen toe. Ook als dat niet kan, beperkt u de schade door die woorden hardop te laten bevestigen en de agent in zijn bronnen een korte lijst met verwachte namen te geven, zodat hij een bijna-treffer kan koppelen.
Schrijf helder
Korte, eenvoudige vragen zijn makkelijker te beantwoorden en te herkennen dan lange, idiomatische. Vermijd straattaal in de eigen spraak van de agent, en vermijd humor die op lokale uitdrukkingen leunt.
Geef bellers ruimte
Niet-moedertaalsprekers en mensen die onzeker zijn, pauzeren soms of praten langzaam. Een langere stiltedrempel helpt, zoals beschreven in Spraakactiviteitsdetectie.
Test met echte stemmen
U kunt eerlijkheid niet beoordelen aan de hand van een paar collega's met een vergelijkbare achtergrond. Stel een testpanel samen dat op uw bellers lijkt.
Een eerlijk testplan
- Breng uw bellers in kaartRegio's, talen, leeftijdsgroepen en gebruikelijke soorten telefoons.
- Werf testersVrijwilligers die spreken zoals die bellers, met hun toestemming.
- Schrijf een scriptEchte taken, inclusief namen, nummers en lokale plaatsen.
- Voer de gesprekkenGebruik gewone mobiele telefoons en realistisch achtergrondgeluid.
- Vergelijk de resultatenZoek naar groepen waar de fouten duidelijk hoger liggen.
| Meetwaarde | Wat het laat zien |
|---|---|
| Correct herkende woorden | Hoe goed de herkenner met elke groep omging |
| Voltooide taken | Of bellers kregen wat ze nodig hadden |
| Herhalingen en correcties | Hoe vaak de agent opnieuw moest vragen |
| Overdrachtspercentage | Hoe vaak bellers het opgaven en om een mens vroegen |
| Comfort van de beller | Wat testers over de ervaring zeiden |
Vergelijk groepen met dezelfde meetwaarden. Een verschil in voltooide taken tussen groepen is een signaal om nader te onderzoeken, ook als het algemene gemiddelde er goed uitziet. Bescherm de privacy van testers en bewaar opnames niet langer dan nodig.
Twee denkbeeldige voorbeelden
Een kleine dierenartspraktijk in een kustplaats krijgt telefoontjes van inwoners die bijnamen gebruiken voor straten en stranden. De herkenner zet één bijnaam steeds om in een niet-verwant gewoon woord. De praktijk voegt de lokale namen toe aan de bronnen van de agent, laat de agent de locatie teruglezen, en het aantal fouten daalt. Aan het model veranderde niets; de oplossing was een lijst met woorden.
Een regionaal bankkantoor krijgt telefoontjes van klanten die de taal als volwassene hebben geleerd en langzaam spreken, met lange pauzes. De agent antwoordt steeds voordat ze klaar zijn. De stiltedrempel verhogen en de vragen van de agent korter maken, geeft hen ruimte, en het aantal herhalingen daalt. Ook hier was de oplossing een instelling en een script, geen nieuwe technologie.
Beide verhalen delen een patroon: luister naar de mislukkingen, stel vast om welke woorden of welke timing het gaat en voer een kleine wijziging door. Grote claims over nauwkeurigheid zijn minder nuttig dan een notitieboek met wat er op uw eigen lijn misging en wat het oploste.
Houd dat notitieboek na de lancering bij. Bellers veranderen, nieuwe wijken en producten verschijnen, en een oplossing van vandaag kan verouderen. Eens per maand de vaakst gecorrigeerde woorden bekijken, is een lichte routine die de agent actueel houdt.
Laat het systeem nooit een muur zijn
Hoe goed u ook afstelt, sommige bellers zullen niet worden verstaan. Ontwerp daarvoor. Na twee mislukte pogingen om een gegeven vast te leggen, hoort de agent een andere aanpak te kiezen of over te dragen, niet in een kringetje te draaien. Bied aan een bericht aan te nemen, een terugbelactie te regelen of de beller tijdens bemande uren door te verbinden met een mens.
Een checklist voor eerlijkheid
- Getest met sprekers uit elke belangrijke groep bellers
- Taal- en regio-instellingen passen bij uw bellers
- Lokale namen en termen toegevoegd of hardop bevestigd
- Stilte-instellingen laten langzamere spraak toe
- Belangrijke gegevens worden teruggelezen voordat ze worden gebruikt
- Na twee mislukte pogingen is een mens bereikbaar
- Overdrachts- en herhalingspercentages per groep bekeken
Hiermee aan de slag in Call
Kies in Call de taalinstelling van de agent, stel de stiltedrempel en ruisgevoeligheid in en schrijf het openingsbericht en de foutmelding in eenvoudige woorden. Gebruik daarna het testgesprek om de agent op uw eigen telefoon te horen, en vraag collega's met verschillende accenten hetzelfde te doen. Open vervolgens elk gesprek in de gespreksgeschiedenis om het gesprek beurt voor beurt te lezen en doorzoek transcripties op woorden die herhaaldelijk verkeerd werden verstaan. Corrigeer uw bronnen, voeg exacte antwoorden toe waar de formulering ertoe doet en houd de route naar een mens open via de helpdesk.
Veelgestelde vragen
Verstaat voice-AI alle accenten even goed?
Nee. De nauwkeurigheid verschilt vaak tussen accenten en dialecten, afhankelijk van de stemmen waarvan het systeem heeft geleerd. Test met uw eigen bellers in plaats van op algemene claims te vertrouwen.
Kan ik de agent vertellen welk accent hij kan verwachten?
Vaak kunt u een taalvariant voor de herkenner kiezen, en bij sommige systemen woordenschat toevoegen. Controleer wat uw platform ondersteunt en test het resultaat.
Waarom verstaat de agent lokale plaatsnamen verkeerd?
Algemene woordenboeken bevatten zelden elke lokale naam, dus de herkenner kiest een gelijkklinkend gewoon woord. Laat namen hardop bevestigen en lever waar mogelijk verwachte namen aan.
Moet de agent automatisch van taal wisselen?
Dat kan helpen bij gemengde bellers, maar test het met korte uitingen en spraak met een accent. In Call wordt de eerst herkende taal voor het gesprek aangehouden, tenzij de beller om een andere vraagt.
Hoe weet ik of mijn agent oneerlijk is tegenover sommige bellers?
Vergelijk voltooide taken, herhalingen en overdrachtspercentages tussen groepen testers die verschillend spreken. Grote verschillen zijn een teken om instellingen, bronnen of het script aan te passen.
Wat als een beller helemaal niet wordt verstaan?
Bied snel een andere route aan: een bericht, een terugbelverzoek of een mens. Geen enkele beller mag vastlopen in een systeem dat hem niet verstaat.