Röst-AI-teknik

Bättre taligenkänning i telefonsamtal: praktiska åtgärder

Varför taligenkänning har svårt på telefonlinjer och vad som hjälper: tydligare ljud, språk- och ordförrådsinställningar, genomtänkta frågor, uppläsning och tester.

Redaktionen för Call · Publicerad · 5 min läsning

En röstagent är bara så bra som det den hör. Om taligenkänningen gör "tisdag klockan tio" till "två dagar vid då" går allt som följer fel, hur bra språkmodellen än är. Detsamma gäller samtalstranskriptioner och sammanfattningar: ett fel i igenkänningssteget sprider sig till varje senare steg.

En tekniker lyssnar på samtalsljud i hörlurar medan hen kontrollerar en transkription på skärmen
Illustrationsbild

Den här guiden förklarar varför tal i telefon är svårt, vilka fel som är vanligast och vilka åtgärder som är värda din tid. För bakgrund om flödet, se Så fungerar röst-AI: STT, LLM och TTS, och för ljudsidan Därför är telefonljud svårt för taligenkänning.

Därför är tal i telefon svårt

Ett telefonsamtal pressar en mänsklig röst genom en smal kanal. Höga och låga frekvenser klipps bort, signalen komprimeras och paket kan gå förlorade på vägen. Lägg därtill uppringarens omgivning: trafik, en tv, vind, en högtalartelefon i ett kök. Igenkänningssystem tränas på mycket tal, men sådana förhållanden driver ändå upp felfrekvensen.

Vad som försämrar igenkänningen

  • Smal bandbreddTelefonljud har mindre detaljer än vanliga inspelningar, så liknande ljud flyter ihop.
  • BakgrundsbullerBilar, folkmassor och maskiner konkurrerar med rösten.
  • Dåliga mikrofonerHögtalartelefoner, billiga headset och avlägsna mikrofoner ger eko.
  • TalstilSnabbt tal, mumlande och ovana accenter är svårare.
  • Sällsynta ordNamn, varumärken, gatunamn och jargong som systemet sällan sett.
  • Överlappande talAvbrott, sidokonversationer och två personer som talar.

Typiska fel

Räkna med problem med homofoner, siffror som läses i grupper, uttalade namn bokstav för bokstav, datum och tider samt korta ord i början av en mening. Att veta vilka fel du har gör det lättare att åtgärda dem. Se Få namn, nummer och adresser rätt med röst.

Börja med grunderna

Innan du ändrar något listigt, kontrollera de enkla sakerna.

En grundläggande checklista i ordning

  1. Kontrollera ljudetLyssna på inspelningar av riktiga samtal. Om du inte kan förstå ett avsnitt kan inte systemet det heller.
  2. Ange språketVälj det språk uppringarna använder, eller slå på automatisk igenkänning om uppringarna varierar.
  3. Justera pausernaÄndra hur länge tystnad varar innan systemet avgör att uppringaren är klar.
  4. Justera brushanteringenGör systemet mer eller mindre känsligt för bakgrundsljud.
  5. Testa med riktiga rösterProva olika talare, enheter och platser.

Språk och igenkänning

Om de flesta uppringare talar ett språk, ange det uttryckligen. Automatisk igenkänning är användbar när uppringare varierar, men det kan ta några ord innan den stabiliseras, och korta yttranden som "ja" kan bedömas fel. För en flerspråkig linje, läs Flerspråkig telefonsupport med AI. Accenter och dialekter spelar också roll. Se Accenter och dialekter i röst-AI.

Pauser och turtagning

Om systemet avbryter folk mitt i en mening, höj tystnadströskeln så att det väntar längre. Om det verkar långsamt med att svara, sänk den. Äldre uppringare och personer som läser upp nummer pausar mer. Testa med dem. En tröskel som passar ett rappt utbyte kan frustrera dem som tänker högt. Se Röstaktivitetsdetektering och Turtagning i röstagenter.

Brusokänslighet

En bullrig gata kan lura systemet att höra tal där det inte finns något, eller dölja svagt tal. Testa i en bullrig miljö, inte bara på ett kontor, och justera känsligheten steg för steg.

Utforma frågor som är lätta att känna igen

Den billigaste förbättringen ligger ofta inte alls i igenkänningen utan i vad agenten frågar.

Bekräfta det som spelar roll

För namn, telefonnummer, datum, adresser och allt som får konsekvenser, upprepa vad du hörde och be uppringaren bekräfta. "Jag har tisdag den fjärde klockan tio på förmiddagen. Stämmer det?" är mycket mer tillförlitligt än att anta. Erbjud ett annat sätt att lämna svåra uppgifter, till exempel ett meddelande som skickas efteråt till personen för att fylla i, där det är tillåtet.

Hjälp systemet med dina ord

Igenkänningsfel koncentreras ofta till ord som är specifika för din verksamhet: produktnamn, personalnamn, ortnamn, medicinska eller tekniska termer. Sätt att hjälpa till är:

Notera skillnaden mellan att lyssna och att tala. En uttalsordlista ändrar hur ett ord läses upp, inte hur det uppfattas.

Hantera misslyckanden med värdighet

Även ett väl justerat system hör fel ibland. Utforma reservvägen: efter ett misslyckat försök, formulera frågan om. Efter ett andra, erbjud ett annat sätt, som en person, en återuppringning eller ett meddelande. Låt aldrig uppringaren gå genom samma meddelande tre gånger. Ett värdigt avslut skyddar relationen när tekniken fallerar.

Mät och testa

Utan mätning kan du inte säga om en ändring hjälpte. Bygg en liten testuppsättning av riktiga samtal med samtycke och noterat tillstånd: kanske femtio korta klipp som täcker dina typiska röster, enheter och bullernivåer. För vart och ett, jämför vad som sades med vad som kändes igen och räkna de fel som spelade roll, som en fel siffra, snarare än varje mindre ord.

En månatlig granskning av igenkänning

  • Lyssna på ett urval riktiga samtal, inklusive sådana som misslyckades.
  • Lista de fem vanligaste feluppfattade orden eller fraserna.
  • Kontrollera om formulering, inställningar eller ordförråd kan åtgärda dem.
  • Testa samma klipp igen efter varje ändring.
  • Ta med bullriga och accentfärgade prover, inte bara rena.
  • Dokumentera ändringar och resultat så att du inte upprepar ett experiment.

Se Så testar du en röst-AI-agent före lansering och Så utvärderar du en röstagents samtal.

Så gör du i Call

Call låter dig justera lyssnandet för varje AI-agent under dess röstinställningar. I avsnittet för transkriberaren väljer du språk, eller identifierar det automatiskt, och flyttar en tystnadströskel och ett reglage för brusokänslighet. En banderoll på sidan visar vilka inställningar pågående samtal använder i dag. Höj tystnadströskeln om agenten avbryter uppringare mitt i en mening.

Calls igenkänning beror på samtalet och telefonlinjen, så testa på riktiga linjer. Se Använda samtalshistorik och sammanfattningar i Call och Söka i samtalstranskriptioner i Call.

Vanliga frågor

Varför är taligenkänning i telefon mindre noggrann än på min smartphone?

Telefonlinjer bär smalare, mer komprimerat ljud än en modern mikrofon, och uppringare är ofta på bullriga platser eller använder högtalare. Programvaran har mindre att utgå från, så fler fel uppstår.

Ska jag ange ett språk eller använda automatisk igenkänning?

Om nästan alla uppringare använder ett språk, ange det. Använd automatisk igenkänning när uppringare varierar, och testa korta svar som ja och nej, som kan identifieras fel.

Hur kan jag förbättra igenkänningen av namn och nummer?

Fråga om en sak i taget, tala om för uppringare hur de ska säga siffror, bekräfta genom uppläsning och lägg till viktiga termer i ordförrådet där ditt system tillåter det.

Förbättrar en uttalsordlista det agenten hör?

Nej. Den förbättrar hur agenten uttalar ord högt. Den kan hjälpa uppringare att förstå agenten, men igenkänning är en separat inställning.

Hur vet jag om en ändring hjälpte?

Behåll en fast uppsättning klipp från riktiga samtal, räkna de fel som spelar roll före och efter och kör samma uppsättning igen efter varje ändring. Ett lyckosamt samtal bevisar ingenting.

Justera transkriberarens inställningar och granska samtalstranskriptioner i Call

I demokonsolen kan du prova inkommande samtal i en simulering.

Relaterade guider