Technológie hlasovej AI

Prečo je telefonický zvuk pre rozpoznávanie reči náročný

Prečo úzkopásmový, komprimovaný a hlučný telefonický zvuk mätie rozpoznávanie reči, ako spoznať príznaky a čo sa dá opraviť v nastavení a v skripte.

Redakcia Call · Zverejnené · Čítanie na 5 min

Hlasový asistent, ktorý v ukážke funguje dokonale, môže pri skutočnom hovore zakopnúť. Príčinou je zriedka jazykový model. Zvyčajne je to zvuk. Telefónna linka je pre rozpoznávanie reči nepriateľské prostredie a keď viete prečo, môžete si nastaviť realistické očakávania a opraviť problémy, ktoré sa opraviť dajú.

Volajúci telefonuje z mobilu na rušnej ulici
Ilustračný obrázok

Tento návod sleduje zvuk od úst volajúceho po rozpoznávač a ukazuje, kde sa kvalita stráca. Dopĺňa články Rozpoznávanie reči pri telefonických hovoroch a Detekcia hlasovej aktivity.

Cesta zvuku telefonického hovoru

Kde sa zvuk môže poškodiť

  1. MikrofónTelefón alebo headset zachytí hlas spolu s miestnosťou.
  2. Spracovanie v zariadeníPotlačenie hluku a riadenie zosilnenia pretvárajú zvuk.
  3. SieťZvuk sa komprimuje a posiela v paketoch cez mobilné a internetové spojenia.
  4. Telefónna platformaHovor sa prepája, konvertuje a niekedy mieša.
  5. RozpoznávačZvuk sa premení na text v kvalite, ktorá zostala.

Každá fáza môže kvalitu len zachovať alebo stratiť; žiadna nedokáže vrátiť to, čo už zmizlo. Preto slabý prvý článok, napríklad hlasitý odposluch v aute, obmedzí všetko, čo nasleduje.

Úzkopásmový zvuk: základné obmedzenie

Tradičný telefonický zvuk je úzkopásmový: prenáša obmedzený rozsah frekvencií, oveľa menší, než zachytí štúdiový mikrofón. Dôsledkom je, že vysokofrekvenčné zvuky, ktoré odlišujú hlásky ako s, f či š, sú oslabené. Medzi s a f alebo p a t telefón nenechá veľa, o čo sa oprieť. Ľudia si pomáhajú kontextom. Softvér, najmä pri izolovaných slovách, ako je hláskované meno, má kontextu menej.

Niektoré hovory používajú širokopásmové kodeky, ktoré prenášajú viac detailov, a to pomáha. Či z toho konkrétny hovor profituje, závisí od toho, či ich podporuje každý článok reťazca, a hovory medzi rôznymi sieťami často klesnú na najnižší spoločný formát.

Zvuky, ktoré trpia najviac

  • Písmená v hláskovaných slováchB, D, P, T, S a F splývajú, takže hláskovanie hlasom je nespoľahlivé.
  • ČísliceŠesť a šestnásť či sedem a sedemdesiat sa bez kvalitného zvuku dajú zameniť.
  • Mäkké spoluhláskyTiché zvuky na konci slov zaniknú v hluku.
  • Krátke slováMálo kontextu znamená viac chýb, napríklad pri áno a nie v hlučnom prostredí.

Ďalšie príčiny zlého zvuku

Kompresia a strata paketov

Na úsporu šírky pásma sa zvuk komprimuje. Ak sa sieťové pakety oneskoria alebo stratia, objavia sa krátke medzery alebo skomolené úseky. Človek si chýbajúcu slabiku domyslí; rozpoznávač môže vytvoriť nesprávne slovo alebo žiadne.

Hluk v pozadí a spracovanie

Volajúci telefonujú z ulíc, kuchýň, áut a obchodov. Potlačenie hluku v zariadení môže hluk odstrániť, ale aj odstrihnúť začiatok slova alebo sploštiť tichú reč. Výsledkom môže byť reč, ktorá človeku znie čisto, no softvér s ňou má väčšie problémy.

Ozvena a hlasitý odposluch

Keď reproduktor volajúceho preniká do jeho mikrofónu, vlastný hlas agenta sa môže vrátiť ako ozvena, čo môže zmiasť rozpoznávanie aj určovanie, kto hovorí. Pomáha, ak volajúcich povzbudíte, aby v dôležitých chvíľach použili slúchadlo alebo headset.

Nesúlad s trénovacími dátami

Mnohé rozpoznávače sú trénované prevažne na čistejších alebo širokopásmových nahrávkach. Telefonický zvuk znie inak, takže presnosť klesá. Niektorí poskytovatelia ponúkajú modely vyladené pre telefóniu; pýtajte sa na ne a testujte.

Ako sa to prejaví v prepise

PríznakMožná príčina v zvuku
Nesprávne písmená v hláskovaných menáchÚzkopásmové splývanie podobne znejúcich písmen
Vymenené alebo vynechané čísliceStrata paketov, hluk alebo rýchla reč
Chýbajúce slová na začiatkuPotlačenie hluku v zariadení odstrihne začiatok
Zvláštne slová, ktoré nezazneliOzvena alebo reč v pozadí
Dobrá presnosť na stolových telefónoch, slabá na mobilochMobilný hluk a kompresia
Dlhé medzery bez textuDetekcia ticha zlyháva pri tichom hlase

Pozrite sa na nahrávku, nielen na prepis. Počúvanie ukáže, či je problém v zvuku, alebo v rozpoznávaní. Ak to jasne počujete a rozpoznávač nie, slabým článkom je rozpoznávač; ak máte problém aj vy, opravte zvuk.

Zmerajte problém skôr, než ho budete opravovať

Je lákavé zvaľovať každú chybu na rozpoznávač. Spoľahlivejším zvykom je roztriediť vzorku problémových hovorov podľa príčiny. Vezmite dvadsať hovorov, v ktorých agent niečo nepochopil. Pri každom si vypočujte nahrávku a rozhodnite: bol zvuk zlý, hovoril volajúci nezvyčajne rýchlo alebo potichu, mýlil sa rozpoznávač jednoducho pri zreteľnej reči, alebo vzniklo nedorozumenie v jazykovom modeli po správnom texte?

Rozdelenie často prekvapí. Firma s mnohými volajúcimi z mobilov môže zistiť, že väčšina chýb je v zvuku; firma so špecializovanou slovnou zásobou, napríklad kódmi produktov, môže zistiť, že slabým miestom je rozpoznávač. Každá príčina má iný liek a oprava nesprávnej príčiny premrhá týždne.

Sledujte aj vzorce podľa času a trasy. Ak sa chyby hromadia v určitú hodinu, príčinou môže byť preťaženie siete na vašej strane. Ak sa hromadia pri hovoroch z jedného regiónu alebo od jedného operátora, chyba môže byť v ceste zvuku. Vzorec si zapíšte skôr, než zmeníte akékoľvek nastavenie, aby ste potom vedeli posúdiť, či zmena zabrala.

Vzorka nech je úprimná a zahŕňa aj hovory, ktoré prebehli dobre. Ak kontrolujete len zlyhania, nezistíte, či zmena, ktorá ich opravuje, potichu nepokazila hovory, ktoré predtým fungovali. Porovnanie pred a po na tej istej zmiešanej sade je najjednoduchšou poistkou.

Čo s tým môžete urobiť

Navrhnite rozhovor pre zlý zvuk

Techniky pre mená a čísla rozoberá článok Ako správne zachytiť mená, čísla a adresy hlasom.

Opravte, čo máte pod kontrolou

Zvuk a rozpoznávanie v Call

V Call má každý AI agent nastavenia prepisu reči: jazyk, ktorý počúva, pričom môže ísť o automatické rozpoznanie, prah ticha a posuvník citlivosti na hluk. Pre zamestnancov, ktorí používajú telefón v prehliadači, môže živý prepis počas hovoru zapisovať obe strany, označené ako vy a oni, a uložiť ho k hovoru. Vyžaduje pripojenie k operátorovi a verejnú adresu a bez nich panel povie prečo. Prepisy sa uchovávajú obmedzený čas. Používajte ich na diagnostiku: ak je živý text pri konkrétnom hovore slabý, prehrajte si nahrávku a rozhodnite, či je na vine zvuk, alebo rozpoznávač. Samotné volanie z prehliadača vysvetľuje článok Ako funguje volanie z prehliadača: WebRTC vysvetlené.

Často kladené otázky

Prečo je telefonický zvuk horší než hlasová správa v mojom smartfóne?

Telefonické hovory používajú úzky, komprimovaný zvuk navrhnutý na zrozumiteľnosť pre ľudí, nie pre softvér. Aplikácia na hlasové správy zvyčajne nahráva bohatší zvuk priamo v zariadení.

Môže byť rozpoznávanie reči v telefóne niekedy dokonalé?

Nie. Aj ľudia na zlej linke zle počujú. Cieľom je znížiť počet chýb a navrhnúť rozhovor tak, aby sa omyly zachytili potvrdením.

Pomôže AI agentovi lepší mikrofón?

Áno pri vašich zamestnancoch a pri volajúcich, ktorí používajú headset, no vybavenie volajúcich neovplyvníte. Navrhujte pre najhorší realistický zvuk.

Prečo sú hláskované mená také ťažké?

Mnohé písmená na úzkej linke znejú podobne a jedno písmeno nemá žiadny kontext, ktorý by pomohol. Chyby obmedzí iný spôsob zachytenia údaja alebo čítanie písmen späť.

Mám ladiť rozpoznávanie pre telefóniu?

Ak vaša platforma ponúka modely vyladené pre telefón alebo nastavenia hluku, otestujte ich na skutočných hovoroch. Porovnajte výsledky, pretože správne nastavenie závisí od vašich volajúcich.

Ako zistím, či je chyba v zvuku, alebo v rozpoznávaní?

Vypočujte si nahrávku. Ak človek slová počuje zreteľne a prepis je nesprávny, podozrievajte rozpoznávanie. Ak je zvuk zlý aj pre človeka, opravte cestu zvuku.

Kontrolujte prepisy a zvuk hovorov v Call

V demo konzole si môžete vyskúšať prichádzajúce hovory v simulácii.

Súvisiace príručky