Tecnologia de IA de voz

Melhorando o reconhecimento de fala em ligações: correções práticas

Por que o reconhecimento de fala sofre em linhas telefônicas e o que ajuda: áudio mais claro, ajustes de idioma e vocabulário, perguntas bem pensadas e testes.

Equipe editorial do Call · Publicado em · Leitura de 6 min

Um agente de voz é tão bom quanto o que ele ouve. Se o reconhecimento de fala transforma "terça às dez" em "teça às vez", tudo o que vem depois dá errado, por melhor que seja o modelo de linguagem. O mesmo vale para transcrições e resumos de ligações: um erro na etapa de reconhecimento se espalha por todas as etapas seguintes.

Técnico ouvindo o áudio de uma ligação com fones de ouvido enquanto confere a transcrição na tela
Imagem ilustrativa

Este guia explica por que a fala ao telefone é difícil, quais erros são mais comuns e quais correções valem seu tempo. Para o contexto do pipeline, veja Como funciona a IA de voz: STT, LLM e TTS e, para o lado do áudio, Por que o áudio telefônico é difícil para o reconhecimento de fala.

Por que a fala ao telefone é difícil

Uma ligação espreme a voz humana por um canal estreito. As frequências altas e baixas são cortadas, o sinal é comprimido e pacotes podem se perder no caminho. Some a isso o ambiente de quem liga: trânsito, uma televisão, vento, um viva-voz numa cozinha. Os sistemas de reconhecimento são treinados com muita fala, mas condições assim ainda elevam as taxas de erro.

O que prejudica o reconhecimento

  • Banda estreitaO áudio telefônico carrega menos detalhes que gravações comuns, então sons parecidos se confundem.
  • Ruído de fundoCarros, multidões e máquinas competem com a voz.
  • Microfones ruinsViva-voz, headsets baratos e microfones distantes acrescentam eco.
  • Estilo de falaFala rápida, resmungos e sotaques desconhecidos são mais difíceis.
  • Palavras rarasNomes, marcas, nomes de ruas e jargões que o sistema viu poucas vezes.
  • Fala sobrepostaInterrupções, conversas paralelas e duas pessoas falando.

Erros típicos

Espere problemas com homófonos, dígitos lidos em grupos, nomes soletrados, datas e horários e palavras curtas no início de uma frase. Saber quais erros você tem facilita corrigi-los. Veja Como acertar nomes, números e endereços por voz.

Comece pelo básico

Antes de mudar qualquer coisa sofisticada, confira o simples.

Um checklist básico, em ordem

  1. Verifique o áudioOuça gravações de ligações reais. Se você não entende um trecho, o sistema também não entenderá.
  2. Defina o idiomaEscolha o idioma que os clientes usam ou ative a detecção automática se eles variarem.
  3. Ajuste as pausasRegule por quanto tempo o silêncio dura antes de o sistema decidir que o cliente terminou.
  4. Ajuste o tratamento de ruídoDeixe o sistema mais ou menos sensível ao som de fundo.
  5. Teste com vozes reaisExperimente falantes, dispositivos e lugares diferentes.

Idioma e detecção

Se a maioria dos clientes fala um idioma, defina-o explicitamente. A detecção automática é útil quando os clientes variam, mas pode levar algumas palavras para se firmar, e falas curtas como "sim" podem ser mal avaliadas. Para uma linha multilíngue, leia Atendimento telefônico multilíngue com IA. Sotaques e dialetos também importam; veja Sotaques e dialetos na IA de voz.

Pausas e alternância de turnos

Se o sistema corta as pessoas no meio da frase, aumente o limite de silêncio para que espere mais. Se parecer lento para responder, diminua. Clientes mais velhos e pessoas ditando números fazem mais pausas; teste com eles. Um limite que serve a uma troca ágil pode frustrar quem pensa em voz alta. Veja Detecção de atividade de voz e Alternância de turnos em agentes de voz.

Sensibilidade ao ruído

Uma rua barulhenta pode enganar o sistema, fazendo-o ouvir fala onde não há, ou esconder uma fala baixa. Teste em um ambiente ruidoso, não só em um escritório, e ajuste a sensibilidade passo a passo.

Desenhe perguntas fáceis de reconhecer

Muitas vezes a melhoria mais barata não está no reconhecedor, mas no que o agente pergunta.

Confirme o que importa

Para nomes, telefones, datas, endereços e qualquer coisa com consequências, repita o que ouviu e peça ao cliente que confirme. "Tenho terça-feira, dia 4, às dez da manhã. Está certo?" é muito mais confiável do que supor. Ofereça outra forma de fornecer informações difíceis, como uma mensagem enviada depois para a pessoa completar, quando isso for permitido.

Ajude o sistema com suas palavras

Os erros de reconhecimento costumam se concentrar em palavras próprias do seu negócio: nomes de produtos, de funcionários, de lugares, termos médicos ou técnicos. Maneiras de ajudar incluem:

Note a distinção entre ouvir e falar. Um dicionário de pronúncia altera como uma palavra é lida em voz alta, não como é ouvida.

Trate a falha com elegância

Até um sistema bem ajustado ouve errado às vezes. Desenhe a alternativa: depois de uma tentativa fracassada, reformule a pergunta; depois de uma segunda, ofereça outro caminho, como uma pessoa, um retorno ou um recado. Nunca faça o cliente passar três vezes pela mesma mensagem. Uma saída elegante protege o relacionamento quando a tecnologia falha.

Meça e teste

Sem medição, você não sabe se uma mudança ajudou. Monte um pequeno conjunto de testes com ligações reais, com consentimento e permissão registrada: talvez cinquenta trechos curtos que cubram suas vozes, dispositivos e ruídos típicos. Para cada um, compare o que foi dito com o que foi reconhecido e conte os erros que importaram, como um dígito errado, e não cada palavra pequena.

Uma revisão mensal do reconhecimento

  • Ouça uma amostra de ligações reais, incluindo as que falharam.
  • Liste as cinco palavras ou frases mais mal ouvidas.
  • Veja se a redação, as configurações ou o vocabulário podem resolvê-las.
  • Teste de novo os mesmos trechos depois de cada mudança.
  • Inclua amostras ruidosas e com sotaque, não só as limpas.
  • Registre as mudanças e os resultados para não repetir um experimento.

Veja Como testar um agente de IA de voz antes do lançamento e Como avaliar as conversas de um agente de voz.

Fazendo no Call

O Call permite ajustar a escuta de cada agente de IA nas configurações de voz. Na seção do transcritor, você escolhe o idioma, ou o detecta automaticamente, e move um limite de silêncio e um controle de sensibilidade ao ruído. Um aviso na página informa quais configurações as ligações ao vivo usam hoje. Aumente o limite de silêncio se o agente cortar os clientes no meio da frase.

O reconhecimento do Call depende da ligação e da linha telefônica, então teste em linhas reais. Veja Como usar o histórico e os resumos de chamadas no Call e Como pesquisar transcrições de chamadas no Call.

Perguntas frequentes

Por que o reconhecimento de fala ao telefone é menos preciso do que no meu smartphone?

As linhas telefônicas carregam um áudio mais estreito e comprimido do que um microfone moderno, e os clientes costumam estar em lugares barulhentos ou no viva-voz. O software tem menos com que trabalhar, então ocorrem mais erros.

Devo definir um idioma ou usar a detecção automática?

Se quase todos os clientes usam um idioma, defina-o. Use a detecção automática quando os clientes variarem e teste respostas curtas como sim e não, que podem ser detectadas errado.

Como melhorar o reconhecimento de nomes e números?

Peça um item por vez, diga aos clientes como falar os dígitos, confirme repetindo e adicione termos importantes ao vocabulário onde o sistema permitir.

Um dicionário de pronúncia melhora o que o agente ouve?

Não. Ele melhora como o agente pronuncia as palavras em voz alta. Pode ajudar o cliente a entender o agente, mas o reconhecimento é uma configuração separada.

Como saber se uma mudança ajudou?

Mantenha um conjunto fixo de trechos de ligações reais, conte os erros que importam antes e depois e execute o mesmo conjunto após cada mudança. Uma ligação com sorte não prova nada.

Ajuste as configurações do transcritor e revise as transcrições de ligações no Call

No console de demonstração você pode experimentar chamadas recebidas em uma simulação.

Guias relacionados