Akcenty i dialekty w głosowej AI: testy i dostrajanie
Dlaczego agenci głosowi rozumieją jedne akcenty lepiej niż inne, co można dostosować i jak uczciwie testować na prawdziwych głosach, by nikt nie został wykluczony.
Każdy ma jakiś akcent. Agent głosowy został jednak wytrenowany na określonej mieszance głosów i najlepiej rozumie te, które słyszał najczęściej. Dla firmy obsługującej zróżnicowanych klientów to nie drobny szczegół techniczny. To decyduje, czy dzwoniący otrzyma pomoc, czy się sfrustruje.

Ten przewodnik wyjaśnia, dlaczego akcenty i dialekty wpływają na głosową AI, co możesz dostosować i jak uczciwie testować. Wiąże się z artykułami Wielojęzyczna głosowa AI oraz Dlaczego dźwięk telefoniczny utrudnia rozpoznawanie mowy, które uzupełniają kwestie języka i dźwięku.
Dlaczego akcenty mają znaczenie dla systemu rozpoznawania
System rozpoznawania mowy uczy się wzorców z nagrań połączonych z tekstem. Jeśli w nagraniach treningowych niedostatecznie reprezentowany jest akcent regionalny, grupa wiekowa lub osoby, dla których język nie jest ojczysty, wzorce dla tych głosów są słabsze. System nie jest stronniczy w ludzkim sensie; po prostu ma mniej danych. Skutkiem może być jednak nierówna obsługa.
Czym różnią się mówiący
- WymowaSamogłoski i spółgłoski różnią się w zależności od regionu i języka ojczystego.
- Rytm i akcent wyrazowyKtóra sylaba jest akcentowana i jak szybko słowa się zlewają.
- SłownictwoLokalne słowa na codzienne rzeczy, nazwy miejsc i slang.
- Wzorce gramatyczneFormy gwarowe i konstrukcje zdań odbiegające od podręcznikowego języka.
- Przełączanie kodówPrzechodzenie między dwoma językami w jednym zdaniu.
Model językowy, który czyta transkrypcję, ma podobny problem. Zwrot naturalny w jednym dialekcie może być nietypowy w tekstach pisanych, na których się uczył, i jego znaczenie może umknąć.
Dialekty w obrębie jednego języka
Częstym nieporozumieniem jest przekonanie, że język to jedna całość. Angielski w różnych krajach bardzo różni się dźwiękami i słownictwem, i tak samo jest z wieloma językami, w tym z japońskim z jego dialektami regionalnymi, a także z hiszpańskim, arabskim i chińskim. System dostrojony do formy standardowej może tylko częściowo radzić sobie z mową regionalną.
Szczególnym problemem jest lokalne słownictwo. Nazwy ulic, dzielnic, potoczne nazwy produktów i nazwiska często nie występują w ogólnym słowniku. Jeśli Twoi dzwoniący regularnie ich używają, system rozpoznawania chętniej zamieni je na podobnie brzmiące popularne słowa.
Co możesz dostosować
Starannie wybierz język i region
Wiele systemów rozpoznawania oferuje regionalne warianty języków. Wybór wariantu najbliższego Twoim dzwoniącym może pomóc. Automatyczne wykrywanie języka jest wygodne przy zróżnicowanych dzwoniących, ale podejmuje decyzję na początku rozmowy, więc sprawdź, jak zachowuje się przy krótkich wypowiedziach i mowie z akcentem. W Call moduł transkrypcji pozwala wybrać język lub wykrywać go automatycznie, a agent zachowuje pierwszy rozpoznany język do końca rozmowy, chyba że dzwoniący poprosi o inny.
Dodaj ważne słowa
Jeśli platforma obsługuje własne słownictwo lub podpowiedzi, dodaj nazwy firm, produktów, pracowników i lokalnych miejsc. Nawet jeśli nie obsługuje, możesz ograniczyć szkody, potwierdzając te słowa na głos i podając agentowi w źródłach krótką listę oczekiwanych nazw, by mógł dopasować niemal trafione słowo.
Pisz z myślą o jasności
Na krótkie, proste pytania łatwiej odpowiedzieć i łatwiej je rozpoznać niż długie, idiomatyczne. Unikaj slangu w wypowiedziach agenta i humoru opartego na lokalnych powiedzeniach.
Daj dzwoniącym przestrzeń
Osoby, dla których język nie jest ojczysty, i osoby niepewne mogą robić pauzy lub mówić wolno. Pomaga dłuższy próg ciszy, opisany w artykule Wykrywanie aktywności głosowej.
Testuj na prawdziwych głosach
Uczciwości nie ocenisz na podstawie kilku współpracowników o podobnym pochodzeniu. Zbuduj panel testowy, który przypomina Twoich dzwoniących.
Plan uczciwego testu
- Opisz dzwoniącychRegiony, języki, przedziały wiekowe i typowe rodzaje telefonów.
- Zrekrutuj testerówWolontariuszy, którzy mówią tak jak Twoi dzwoniący, za ich zgodą.
- Napisz scenariuszPrawdziwe zadania, w tym nazwiska, numery i lokalne miejsca.
- Wykonaj połączeniaUżywaj zwykłych telefonów komórkowych i realistycznego hałasu.
- Porównaj wynikiSzukaj grup, w których błędów jest wyraźnie więcej.
| Miara | Co pokazuje |
|---|---|
| Poprawnie rozpoznane słowa | Jak dobrze system rozpoznawania poradził sobie z każdą grupą |
| Wykonane zadania | Czy dzwoniący uzyskali to, czego potrzebowali |
| Powtórzenia i poprawki | Jak często agent dopytywał |
| Odsetek przekazań | Jak często dzwoniący się poddawali i prosili o człowieka |
| Komfort dzwoniących | Co testerzy mówili o swoich wrażeniach |
Porównuj grupy tymi samymi miarami. Różnica w odsetku wykonanych zadań między grupami to sygnał do zbadania sprawy, nawet jeśli ogólna średnia wygląda dobrze. Chroń prywatność testerów i przechowuj nagrania tylko tak długo, jak to konieczne.
Dwa hipotetyczne przykłady
Mała lecznica weterynaryjna w nadmorskim miasteczku odbiera telefony od mieszkańców, którzy używają potocznych nazw ulic i plaż. System rozpoznawania uparcie zamienia jedną z takich nazw na niezwiązane popularne słowo. Lecznica dodaje lokalne nazwy do źródeł agenta, agent powtarza lokalizację na głos, a błędów ubywa. Model się nie zmienił; rozwiązaniem była lista słów.
Regionalny oddział banku odbiera telefony od klientów, którzy nauczyli się języka jako dorośli i mówią powoli, z długimi pauzami. Agent ciągle odpowiada, zanim skończą. Podniesienie progu ciszy i skrócenie pytań agenta daje im przestrzeń, a odsetek powtórzeń spada. Znów rozwiązaniem było ustawienie i scenariusz, a nie nowa technologia.
Obie historie łączy wzorzec: posłuchaj porażek, ustal konkretne słowa lub moment, którego dotyczą, i wprowadź małą zmianę. Szumne deklaracje o dokładności są mniej przydatne niż notatnik z tym, co poszło źle na Twojej linii i co to naprawiło.
Prowadź ten notatnik także po uruchomieniu. Dzwoniący się zmieniają, pojawiają się nowe osiedla i produkty, a dzisiejsza poprawka może się zestarzeć. Comiesięczny przegląd najczęściej poprawianych słów to lekka rutyna, która utrzymuje agenta na bieżąco.
Nigdy nie pozwól, by system był murem
Niezależnie od dostrojenia niektórzy dzwoniący nie zostaną zrozumiani. Zaprojektuj to z góry. Po dwóch nieudanych próbach zapisania danej informacji agent powinien zmienić podejście lub przekazać rozmowę, a nie kręcić się w kółko. Zaproponuj przyjęcie wiadomości, umówienie oddzwonienia lub, w godzinach pracy zespołu, połączenie z człowiekiem.
Lista kontrolna uczciwości
- Przetestowano z osobami z każdej głównej grupy dzwoniących
- Ustawienia języka i regionu pasują do dzwoniących
- Lokalne nazwy i terminy dodane lub potwierdzane na głos
- Ustawienia ciszy pozwalają na wolniejszą mowę
- Kluczowe dane są odczytywane przed użyciem
- Po dwóch nieudanych próbach można dotrzeć do człowieka
- Odsetek przekazań i powtórzeń przeglądany według grup
Praca nad tym w Call
W Call wybierz ustawienie języka agenta, ustaw próg ciszy i czułość na szum oraz napisz prostymi słowami wiadomość powitalną i komunikat o błędzie. Następnie użyj połączenia testowego, by usłyszeć agenta na własnym telefonie, i poproś współpracowników z różnymi akcentami o to samo. Potem otwórz każde połączenie w historii połączeń, by przeczytać rozmowę wypowiedź po wypowiedzi, i przeszukaj transkrypcje pod kątem słów, które były wielokrotnie źle słyszane. Popraw źródła, dodaj dokładne odpowiedzi tam, gdzie liczy się sformułowanie, i utrzymuj otwartą drogę do człowieka przez helpdesk.
Najczęstsze pytania
Czy głosowa AI rozumie wszystkie akcenty jednakowo?
Nie. Dokładność często różni się między akcentami i dialektami w zależności od głosów, na których uczył się system. Testuj na własnych dzwoniących, zamiast polegać na ogólnych deklaracjach.
Czy mogę powiedzieć agentowi, jakiego akcentu ma się spodziewać?
Często możesz wybrać wariant językowy dla systemu rozpoznawania, a w niektórych systemach dodać słownictwo. Sprawdź, co obsługuje Twoja platforma, i przetestuj wynik.
Dlaczego agent źle rozumie lokalne nazwy miejsc?
Ogólne słowniki rzadko zawierają wszystkie lokalne nazwy, więc system rozpoznawania wybiera podobne popularne słowo. Potwierdzaj nazwy na głos i, gdzie to możliwe, podawaj oczekiwane nazwy.
Czy agent powinien automatycznie przełączać języki?
Może to pomóc przy zróżnicowanych dzwoniących, ale przetestuj to na krótkich wypowiedziach i mowie z akcentem. W Call pierwszy rozpoznany język jest utrzymywany do końca rozmowy, chyba że dzwoniący poprosi o inny.
Skąd mam wiedzieć, czy mój agent jest niesprawiedliwy wobec niektórych dzwoniących?
Porównaj odsetek wykonanych zadań, powtórzeń i przekazań w grupach testerów, którzy mówią w różny sposób. Duże różnice to sygnał, by dostosować ustawienia, źródła lub scenariusz.
Co, jeśli dzwoniącego w ogóle nie da się zrozumieć?
Szybko zaproponuj inną drogę: wiadomość, prośbę o oddzwonienie lub rozmowę z człowiekiem. Żaden dzwoniący nie powinien zostać uwięziony przez system, który go nie rozumie.