Технологии голосового ИИ

Очерёдность реплик у голосовых агентов: кто и когда говорит

Как голосовой агент решает, когда говорить, ждать или замолчать, почему наложения и паузы так сложны и как строить телефонные диалоги, естественные для звонящих.

Редакция Call · Опубликовано · Читать 4 мин

Человеческий разговор — удивительно плавная передача слова. Мы начинаем говорить ровно тогда, когда собеседник заканчивает, а часто и раньше, и считываем сигналы, не замечая этого. У голосового агента такого инстинкта нет. Ему нужно задать правила: когда слушать, когда говорить и когда замолчать. Если правила неверны, даже точные ответы звучат неловко.

Двое разговаривают по телефону, сидя по разные стороны стола
Иллюстрация

В этой статье — идеи, лежащие в основе очерёдности реплик у голосовых агентов, и проектные решения, благодаря которым звонок ощущается естественным. Она опирается на статьи «Обнаружение голосовой активности», где объясняется, как определяется тишина, и «Как обрабатывать перебивания (barge-in)».

Как выглядит естественная смена реплик

В повседневном разговоре промежуток между репликами обычно очень короткий, а долгая тишина вызывает неловкость. Люди также слегка накладываются друг на друга, поддакивают и вставляют короткие слова, показывая, что следят за мыслью. Это не грубость — так разговор остаётся живым.

По телефону лица не видно, поэтому все сигналы передаёт голос. Повышение тона означает вопрос, затухающее слово — незаконченную мысль, а быстрый вдох часто означает, что человек сейчас заговорит. Программе приходится приближённо улавливать эти сигналы только по звуку и тексту.

Ходы, с которыми должен справляться голосовой агент

  • Взять словоНачать ответ после того, как звонящий закончил, без долгой паузы.
  • Удержать словоПродолжать говорить, когда короткий шум или кашель прерывает речь.
  • Уступить словоЗамолчать, когда звонящий начинает говорить поверх агента.
  • ПоддакиванияКороткие звуки вроде «да» или «так», которые не являются новой репликой.
  • ИсправлениеВосстановиться, когда оба заговорили одновременно или агент ослышался.

Почему это трудно для программ

Снова и снова возникают три проблемы.

Решить, что реплика закончена

Ждать фиксированную паузу просто, но грубо. Люди замолкают посреди фразы, чтобы подумать. А бывает, договаривают мысль и молчат, ожидая ответа. Более продвинутые системы учитывают уже сказанные слова: смысловой вопрос, законченный адрес или фразу, оборвавшуюся на союзе. У фиксированного подхода, более умного подхода и их сочетания есть свои компромиссы, поэтому и существуют настройки терпеливости.

Наложения и перебивания

Если агент продолжает говорить, когда звонящий что-то сказал, звонящий повторит это громче. Хороший агент быстро замолкает, когда слышит настоящую речь, но не реагирует на кашель или автомобильный гудок. Если останавливаться на каждый шум, агент звучит дёргано; если игнорировать настоящие перебивания — глухо.

Отличить поддакивание от настоящей реплики

Когда агент зачитывает длинный адрес, а звонящий говорит «угу», это поддержка, а не перебивание. Если принять его за новую реплику, изложение собьётся. Многие системы не умеют надёжно различать эти случаи, поэтому практическое решение — делать высказывания настолько короткими, чтобы вопрос не возникал.

Как строить диалоги под возможности технологии

Переделать технологию вы не можете, но можете писать диалоги, которые с ней ладят. Большая часть улучшений достигается сценарием и промптом, а не хитроумной инженерией.

Хорошо выстроенный обмен репликами

  1. Короткое приветствиеОдним предложением сказать, кто отвечает, и предложить помощь.
  2. Открытый вопросДать звонящему объяснить своими словами.
  3. Краткое подтверждениеОтразить запрос в нескольких словах, чтобы звонящий понял, что его услышали.
  4. Один уточняющий вопросСпросить единственную недостающую деталь.
  5. ЗавершениеСказать, что будет дальше, и при необходимости предложить человека.

Скорость важна не меньше тайминга

Даже верное решение о смене реплики ощущается неправильным, если ответ приходит поздно. Ответ могут задерживать транскрипция, языковая модель и синтез речи. Некоторые системы начинают говорить, как только готова первая часть ответа, а не ждут его целиком, — это сокращает паузу. Куда уходит время, описано в статье «Задержка голосового ИИ».

Есть и человеческий фактор. Небольшой сигнал — короткий тон или быстрое вступительное слово — может успокоить звонящего во время долгого поиска, но заполнители на каждой реплике начинают раздражать. Используйте их умеренно и проверяйте на реальных слушателях.

Ситуации, в которых очерёдность реплик даётся особенно трудно

Некоторые типы звонков требуют особого внимания, потому что естественный ритм нарушается.

Во всех случаях лекарство одно: наблюдайте за реальными звонками, находите, где сбился ритм, и корректируйте сценарий или настройки. Работа над очерёдностью реплик никогда не заканчивается, потому что звонящие никогда не бывают одинаковыми.

Тестирование очерёдности реплик

Очерёдность реплик нельзя оценить только по расшифровке — нужно слушать. Сделайте тестовые звонки с коллегой, который изображает разных звонящих, и отмечайте, как ощущается обмен репликами.

ПроверкаНа что обратить внимание
Быстро говорящий звонящийУспевает ли агент, не перебивая?
Медленный, неуверенный звонящийВыжидает ли агент паузы между словами?
Перебивающий звонящийБыстро ли агент замолкает и реагирует на новую информацию?
Диктовка цифрТерпелив ли агент между группами цифр?
«Угу», пока агент говоритПродолжает ли агент, а не останавливается?
Звонящий молчитМягко ли агент подсказывает, а затем предлагает выход?

Настройки очерёдности реплик в Call

В Call у каждого ИИ-агента есть настройки транскрибера, где вы выбираете язык распознавания и задаёте, как он решает, что звонящий закончил: порог тишины до полутора секунд и ползунок чувствительности к шуму. Руководители могут открыть звонок в истории звонков и посмотреть, сколько длилась каждая реплика, — это помогает понять, возникла ли задержка из-за ожидания тишины или из-за самого ответа. Агент также настроен отвечать коротко и естественно. Сделайте тестовый звонок на свой телефон, затем скорректируйте настройки и позвоните снова. Пошаговая настройка описана в статье «Настройка ИИ-агента в Call».

И последнее соображение: всегда давайте звонящим выход из разговора. Звонящий, которому трудно подстроиться под ритм автоматического голоса, должен иметь возможность попросить человека, как описано в статье «IVR или голосовой ИИ-агент».

Частые вопросы

Что такое очерёдность реплик у голосового агента?

Это то, как агент решает, когда звонящий закончил, когда отвечать и когда замолчать, потому что звонящий заговорил. Благодаря этому звонок ощущается как разговор, а не как череда команд.

Почему мой голосовой агент говорит поверх звонящих?

Частые причины — слишком короткое ожидание тишины, шум, принятый за конец речи, или звонящий, который часто делает паузы. Скорректируйте настройки тишины и проверьте на реалистичной речи.

Что такое поддакивание?

Это короткий звук вроде «угу» или «так», показывающий, что слушатель следит за разговором. Это не новая реплика, но программа может принять его за неё.

Может ли агент перебивать намеренно?

Хорошо спроектированные агенты этого избегают. Если агент вмешивается, почти всегда дело в тайминге, а не в выборе. Более долгое ожидание тишины обычно уменьшает перебивания.

Быстрый ответ всегда звучит лучше?

Нет. Слишком быстрый ответ может ощущаться как перебивание, особенно когда звонящий диктует номер. Цель — естественная пауза, а не самая короткая.

Как протестировать очерёдность реплик?

Сделайте звонки с разной манерой речи, включая неуверенную речь, перебивания и диктовку цифр, а затем прослушайте записи. Меняйте по одной настройке и повторяйте тот же сценарий.

Настройте в Call, как ваш ИИ-агент соблюдает очерёдность реплик

В демо-консоли можно попробовать входящие звонки в режиме симуляции.

Похожие руководства

Технологии голосового ИИ

Промпты для качественных резюме звонков: шаблоны и проверка

Как написать промпт, превращающий расшифровку звонка в короткую точную заметку: для кого она, что в неё включать, правила против выдумок и как её проверить.

Редакция Call ·
Технологии голосового ИИ

Анализ тональности звонков: применение, ограничения, ответственность

Что измеряет анализ тональности звонков, где он помогает с сортировкой и трендами, где вводит в заблуждение и как избежать несправедливых автоматических решений.

Редакция Call ·
Технологии голосового ИИ

SIP-транк: как деловые звонки идут через интернет

Что такое SIP-транк, чем он отличается от обычных телефонных линий, что проверить по кодекам, каналам и резервированию и как выбрать провайдера.

Редакция Call ·
Технологии голосового ИИ

Модели speech-to-speech и каскадные голосовые конвейеры: сравнение

Два способа построить телефонного голосового агента: модели speech-to-speech и каскадные конвейеры. Сильные и слабые стороны и как выбрать по результатам тестов.

Редакция Call ·