Technológie hlasovej AI

Striedanie sa v reči pri hlasových agentoch: kto a kedy hovorí

Ako hlasový agent rozhoduje, kedy hovoriť, čakať alebo prestať, prečo sú prekrývanie a pauzy náročné a ako navrhnúť telefonické rozhovory, ktoré pôsobia prirodzene.

Redakcia Call · Zverejnené · Čítanie na 5 min

Ľudský rozhovor je pozoruhodne plynulé odovzdávanie slova. Začneme hovoriť práve vtedy, keď druhý dohovorí, často ešte predtým, a signály čítame bez toho, aby sme si to uvedomovali. Hlasový agent takýto inštinkt nemá. Musí dostať pravidlá, kedy počúvať, kedy hovoriť a kedy prestať. Ak sú pravidlá zlé, aj presné odpovede pôsobia nemotorne.

Dvaja ľudia vedú telefonický rozhovor cez stôl
Ilustračný obrázok

Tento článok sa venuje myšlienkam, na ktorých stojí striedanie sa v reči pri hlasových agentoch, a návrhovým rozhodnutiam, vďaka ktorým hovor pôsobí prirodzene. Nadväzuje na článok Detekcia hlasovej aktivity, ktorý vysvetľuje, ako sa rozpoznáva ticho, a na článok Prerušenia a skákanie do reči.

Ako vyzerá prirodzené striedanie

V bežnom rozhovore je medzera medzi jedným a ďalším hovoriacim zvyčajne veľmi krátka a dlhé ticho pôsobí nepríjemne. Ľudia sa tiež mierne prekrývajú, počuteľne prikyvujú a hovoria drobné slová, aby ukázali, že sledujú. Nič z toho nie je nezdvorilé; takto rozhovor zostáva živý.

V telefóne nevidíte tvár, takže každý signál nesie hlas. Stúpajúca intonácia znamená otázku, doznievajúce slovo znamená, že myšlienka nie je dokončená, a rýchly nádych často znamená, že sa niekto chystá prehovoriť. Softvér musí tieto signály približne odhadnúť len zo zvuku a textu.

Situácie, ktoré musí hlasový agent zvládnuť

  • Prevzatie slovaZačať odpoveď po tom, čo volajúci dohovorí, bez dlhej medzery.
  • Udržanie slovaPokračovať v reči, keď krátky zvuk alebo kašeľ preruší.
  • Odovzdanie slovaPrestať, keď volajúci začne hovoriť cez agenta.
  • PritakávanieKrátke zvuky ako áno alebo jasné, ktoré nie sú novou replikou.
  • NápravaZotaviť sa, keď hovoria obaja naraz alebo keď agent zle počul.

Prečo je to pre softvér ťažké

Znova a znova sa objavujú tri problémy.

Rozhodnúť, že replika skončila

Čakanie na pevne stanovené ticho je jednoduché, ale hrubé. Ľudia robia pauzy uprostred vety, keď premýšľajú. Tiež dokončia myšlienku a nič nepovedia, pretože čakajú odpoveď. Pokročilejšie systémy sa pozerajú na doterajšie slová: významovo položenú otázku, úplnú adresu alebo vetu končiacu spojkou. Pevný prístup, múdrejší prístup aj ich kombinácia majú svoje kompromisy, a preto existujú nastavenia trpezlivosti.

Zvládanie prekrývania a prerušení

Ak agent hovorí ďalej, kým volajúci niečo povie, volajúci to zopakuje hlasnejšie. Dobrý agent rýchlo prestane, keď počuje skutočnú reč, ale nie pri kašli či trúbení auta. Zastavovanie pri každom zvuku pôsobí nervózne; ignorovanie skutočných prerušení pôsobí, akoby agent nepočul.

Rozlíšenie pritakávania od skutočných replík

Keď agent číta dlhú adresu a volajúci povie hm, je to povzbudenie, nie prerušenie. Ak to agent považuje za novú repliku, vykoľají to jeho prednes. Mnohé systémy ich nedokážu spoľahlivo rozlíšiť, takže praktickým riešením je udržať výpovede dosť krátke na to, aby táto otázka vôbec nevznikla.

Navrhovanie rozhovorov, ktoré vyhovujú technológii

Technológiu neprestavíte, ale môžete písať rozhovory, ktoré s ňou fungujú. Väčšina zlepšenia pochádza zo skriptu a pokynov, nie z dômyselného inžinierstva.

Dobre načasovaná výmena

  1. Krátky pozdravJednou vetou povedzte, kto odpovedá, a ponúknite pomoc.
  2. Otvorená otázkaNechajte volajúceho vysvetliť to vlastnými slovami.
  3. Krátke potvrdenieNiekoľkými slovami zopakujte požiadavku, aby volajúci vedel, že ho niekto počul.
  4. Jedna doplňujúca otázkaOpýtajte sa na jediný údaj, ktorý ešte chýba.
  5. UzavretiePovedzte, čo nasleduje, a v prípade potreby ponúknite človeka.

Na rýchlosti záleží rovnako ako na načasovaní

Správne rozhodnutie o striedaní stále pôsobí zle, ak odpoveď príde neskoro. Odpovede môže zdržať prepis, jazykový model aj syntéza reči. Niektoré systémy začnú hovoriť hneď, ako je pripravená prvá časť odpovede, namiesto čakania na celú odpoveď, čím sa medzera skráti. Kam sa čas stráca, popisuje článok Latencia hlasovej AI.

Existuje aj ľudská stránka. Drobné potvrdenie, napríklad krátky tón alebo rýchle úvodné slovo, môže volajúceho upokojiť počas dlhšieho vyhľadávania, ale výplňové slová opakované pri každej replike začnú obťažovať. Používajte ich striedmo a otestujte ich so skutočnými poslucháčmi.

Situácie, ktoré striedanie sa v reči preveria

Niektoré typy hovorov vyžadujú zvláštnu pozornosť, pretože prirodzený rytmus sa v nich narúša.

V každom prípade je liek rovnaký: sledujte skutočné hovory, nájdite miesto, kde sa rytmus narušil, a upravte skript alebo nastavenia. Striedanie sa v reči nie je nikdy hotové, pretože volajúci nie sú nikdy jednotní.

Testovanie striedania sa v reči

Striedanie sa v reči nemožno posúdiť len z prepisu; musíte počúvať. Uskutočnite testovacie hovory s kolegom, ktorý hrá rôznych volajúcich, a poznačte si, ako výmena pôsobí.

TestČo sledovať
Rýchlo hovoriaciDrží agent krok bez skákania do reči?
Pomalý, váhavý hovoriaciPočká agent cez pauzy medzi slovami?
Prerušujúci volajúciPrestane agent rýchlo hovoriť a zareaguje na nový vstup?
Diktovanie číslicJe agent trpezlivý medzi skupinami číslic?
Hm, kým agent hovoríPokračuje agent namiesto toho, aby prestal?
Ticho volajúcehoVyzve agent jemne a potom ponúkne cestu von?

Nastavenia striedania v Call

V Call má každý AI agent nastavenia prepisu reči, kde vyberiete jazyk počúvania a nastavíte, ako rozhoduje, že volajúci dohovoril: prah ticha do jeden a pol sekundy a posuvník citlivosti na hluk. Manažéri môžu otvoriť hovor v histórii hovorov a vidieť, ako dlho trvala každá hovorená replika, čo pomôže určiť, či oneskorenie spôsobilo čakanie na ticho, alebo samotná odpoveď. Agent je tiež nastavený tak, aby odpovedal krátko a prirodzene. Testovacím hovorom zazvoňte na vlastný telefón, potom upravte nastavenia a zavolajte znova. Nastavenie krok za krokom popisuje článok Nastavenie AI agenta v Call.

Posledná návrhová poznámka: vždy dajte volajúcim cestu von z rozhovoru. Volajúci, ktorý zápasí s rytmom automatizovaného hlasu, by mal môcť požiadať o človeka, ako popisuje článok IVR verzus hlasový AI agent.

Často kladené otázky

Čo je striedanie sa v reči pri hlasovom agentovi?

Je to spôsob, akým agent rozhoduje, kedy volajúci dohovoril, kedy odpovedať a kedy prestať hovoriť, pretože volajúci začal. Vďaka nemu hovor pôsobí ako rozhovor, nie ako séria príkazov.

Prečo môj hlasový agent hovorí cez volajúcich?

Bežnými príčinami sú príliš krátke čakanie na ticho, hluk vyhodnotený ako koniec reči alebo volajúci, ktorý robí veľa páuz. Upravte nastavenia ticha a testujte s realistickou rečou.

Čo je pritakávanie?

Pritakávanie je drobný zvuk ako hm alebo jasné, ktorý ukazuje, že poslucháč sleduje. Nie je to nová replika, ale softvér si ho s ňou môže pomýliť.

Môže ma agent prerušiť úmyselne?

Dobre navrhnutí agenti sa tomu vyhýbajú. Ak agent skočí do reči, takmer vždy ide o problém načasovania, nie o voľbu. Dlhšie čakanie na ticho to zvyčajne obmedzí.

Znie rýchlejšia odpoveď vždy lepšie?

Nie. Odpoveď, ktorá príde príliš skoro, môže pôsobiť ako prerušenie, najmä keď volajúci číta číslo. Cieľom je prirodzená medzera, nie najkratšia.

Ako otestovať striedanie sa v reči?

Uskutočnite hovory s rôznymi štýlmi reči vrátane váhavých hovoriacich, prerušení a diktovania číslic a potom si vypočujte nahrávky. Meňte vždy jedno nastavenie a opakujte rovnaký scenár.

Nastavte v Call, ako sa váš AI agent strieda v reči počas hovorov

V demo konzole si môžete vyskúšať prichádzajúce hovory v simulácii.

Súvisiace príručky