குரல் செயல்பாடு கண்டறிதல் (VAD): அழைப்பாளர் முடித்ததை அறிதல்
அழைப்பில் பேச்சையும் மௌனத்தையும் VAD எப்படிப் பிரிக்கிறது, நேரம் ஏன் தவறுகிறது, முகவர் குறுக்கிடாமலும் தாமதிக்காமலும் இருக்க மௌனக் காத்திருப்பை எப்படிச் சரிசெய்வது.
இருவர் தொலைபேசியில் பேசும்போது அடுத்து யார் பேசுவது என்று அரிதாகவே யோசிக்கிறார்கள். குரல் முகவர் அதைக் கணக்கிட வேண்டும். முதல் படி, ஒரு விநாடியில் பலமுறை கேட்கப்படும் வியக்கத்தக்க எளிய கேள்வி: இப்போது யாராவது பேசுகிறார்களா? இதற்குப் பதிலளிக்கும் கூறு குரல் செயல்பாடு கண்டறிதல், அல்லது VAD எனப்படுகிறது.

VAD என்ன செய்கிறது, அமைதியான அறையைவிடத் தொலைபேசி லைனில் ஏன் கடினம், அமைப்புகள் என்ன பொருள்படுகின்றன, அவற்றை எப்படிச் சரிசெய்வது என்று இந்த வழிகாட்டி விளக்குகிறது. குரல் முகவர் எப்படி வேலை செய்கிறது என்ற பெரிய சித்திரத்துக்குப் படியுங்கள்: தொலைபேசி அழைப்பில் குரல் AI எப்படி வேலை செய்கிறது.
குரல் செயல்பாடு கண்டறிதல் என்ன செய்கிறது
VAD ஒலி ஓட்டத்தை மிகச் சிறிய துண்டுகளாகப் பார்த்து, ஒவ்வொன்றையும் பேச்சு அல்லது பேச்சல்லாதது என்று குறிக்கிறது. எளிய வடிவங்கள் ஒலியளவை மட்டுமே அளவிடுகின்றன. சிறந்தவை, மனிதப் பேச்சின் வடிவத்தை அறிந்து, கீபோர்டு கிளிக்குகள், கடந்து செல்லும் லாரி, பின்னணியில் தொலைக்காட்சி ஆகியவற்றைப் புறக்கணிக்கப் பயிற்றுவிக்கப்பட்ட மாதிரிகள்.
இந்தக் குறிகள் குரல் முகவரில் மூன்று முடிவுகளுக்கு உள்ளீடாகின்றன:
- பேச்சுத் தொடக்கம்: அழைப்பாளர் பேசத் தொடங்கியுள்ளார்; எனவே முகவர் கேட்க வேண்டும், தான் பேசிக்கொண்டிருந்தால் நிறுத்துவதைப் பரிசீலிக்க வேண்டும்.
- பேச்சு முடிவு: அழைப்பாளர் போதுமான நேரம் அமைதியாக இருக்கிறார், அவரது முறை முடிந்திருக்கலாம்; எனவே முகவர் பதிலளிக்கலாம்.
- எழுத்தாக்க எதுவும் இல்லை: ஒலி வெறும் இரைச்சல் என்றால், சொற்களை ஊகிக்கப் பேச்சு அறிதல் கேட்கப்படுவதில்லை.
VAD-க்குப் பின் வரும் எல்லாமே அதைச் சார்ந்திருப்பதால், மோசமான VAD நல்ல முகவரையும் மோசமாகக் காட்டும். அழைப்பாளர் பேசிக்கொண்டிருக்கும்போதே வரும் பதில் அரிதாகவே மொழிப் பிரச்சினை; பொதுவாக அது நேரப் பிரச்சினை.
தொலைபேசி அழைப்புகள் ஏன் இதைக் கடினமாக்குகின்றன
தொலைபேசி லைன் குறுகிய, சுருக்கப்பட்ட சேனல்; பெரும்பாலும் தெருவில், காரில், அல்லது கடையில் உள்ள அழைப்பாளரைக் கொண்டுவருகிறது. அந்தக் கலவை பேச்சுக்கும் இரைச்சலுக்கும் இடையிலான எல்லையை மங்கச் செய்கிறது. தொலைபேசி ஒலி பேச்சு அறிதலுக்கு ஏன் கடினம் ஒலியைப் பற்றியே பார்க்கிறது; இங்கே VAD-க்குரிய விளைவுகள்.
கண்டறிவானைக் குழப்புபவை
- பின்னணி இரைச்சல்போக்குவரத்து, காற்று, கஃபே பேச்சொலிகள் பேச்சாகத் தவறாகக் கருதப்பட்டு முறையைத் திறந்தே வைக்கலாம்.
- மென்மையாகப் பேசுபவர்கள்மென்மையான குரல் மௌனமாக வகைப்படுத்தப்பட்டு, முகவர் அழைப்பாளர் மேல் பேசலாம்.
- வாக்கியத்தின் நடுவே இடைநிறுத்தங்கள்மக்கள் சிந்திக்க, பெயரை எழுத்துக்கூட்ட, பையில் ஓர் எண்ணைத் தேட நிறுத்துகிறார்கள்.
- எதிரொலியும் பக்கத் தொனியும்திரும்பக் கசியும் முகவரின் சொந்தக் குரல் அழைப்பாளர் பேசுவது போலத் தோன்றலாம்.
- மூச்சுகளும் நிரப்பு ஒலிகளும்"ம்ம்" அல்லது பெருமூச்சு போன்ற ஒலிகள் ஒரு முறையாகக் கணக்கிடப்படலாம் அல்லது படாமல் போகலாம்.
மௌன வரம்பின் சமரசம்
மிக முக்கியமான அமைப்பு: அழைப்பாளர் முடித்துவிட்டார் என்று அமைப்பு முடிவு செய்வதற்கு முன் மௌனம் எவ்வளவு நேரம் நீடிக்க வேண்டும் என்பது. அதை மௌன வரம்பு என்று அழைப்போம். இது சரியான மதிப்பு இல்லாத ஒரு சமரசம்.
குறுகிய vs நீண்ட மௌன வரம்பு
| குறுகிய காத்திருப்பு | நீண்ட காத்திருப்பு | |
|---|---|---|
| அழைப்பின் உணர்வு | விரைவான, உயிரோட்டமான | மெதுவான, நிதானமான |
| அபாயம் | அழைப்பாளர் யோசிக்கும்போதோ எண்ணைப் படிக்கும்போதோ குறுக்கிடுதல் | ஒவ்வொரு பதிலுக்கும் பின் வெற்று மௌனம்; அழைப்பாளர்கள் திரும்பச் சொல்கிறார்கள் |
| எதற்குப் பொருந்தும் | சுருக்கமான ஆம்/இல்லை பரிமாற்றங்கள் | பெயர்கள், முகவரிகள், கணக்கு விவரங்கள், வயதான அல்லது தயங்கும் அழைப்பாளர்கள் |
அழைப்பின் உள்ளடக்கத்தைப் பற்றிச் சிந்தியுங்கள். பெரும்பாலும் ஆம் அல்லது இல்லை கேள்விகளைக் கேட்டால், குறுகிய காத்திருப்பு வேலை செய்யும். அழைப்பாளர்கள் மின்னஞ்சல் முகவரியையோ குறிப்பு எண்ணையோ சொல்ல வேண்டியிருந்தால், நீண்ட காத்திருப்பு இலக்கங்களுக்கிடையிலான இடைநிறுத்தத்தில் முகவர் குதிப்பதைத் தடுக்கும்.
வெவ்வேறு கேள்விகளுக்கு வெவ்வேறு வேகங்கள்
சில அமைப்புகள் கேள்வி வாரியாகப் பொறுமையை மாற்ற அனுமதிக்கின்றன. அழைப்பாளர் திரும்ப அழைப்பை விரும்புகிறாரா என்று கேட்கும்போது வேகமாகவும், அஞ்சல் குறியீட்டைக் கேட்கும்போது பொறுமையாகவும் இருங்கள். உங்கள் தளம் இதை ஆதரிக்காவிட்டால், உங்கள் கடினமான கேள்விக்குப் பொருந்தும் அமைப்பைத் தேர்ந்தெடுங்கள்; சிறிய இடைநிறுத்தத்தைவிட அழைப்பாளரைத் துண்டிப்பது அதிக எரிச்சலூட்டும்.
Call-இல் VAD அமைப்புகளைச் சரிசெய்தல்
Call-இல், ஒவ்வோர் AI முகவருக்கும் ஒரு Transcriber பகுதி உள்ளது; அங்கே அது கேட்கும் மொழியைத் தேர்ந்தெடுக்கலாம், அல்லது தானாக மொழியைக் கண்டறிய விடலாம். அழைப்பாளர் முடித்துவிட்டார் என்று அது எப்படி முடிவு செய்கிறது என்பதை இரண்டு ஸ்லைடர்கள் வடிவமைக்கின்றன. மௌன வரம்பு என்பது அழைப்பாளரின் முறை முடிவதற்கு முன்னான அமைதியின் விநாடிகள்; 0 முதல் 1.5 விநாடிகள் வரை சரிசெய்யலாம்; குறைவு என்றால் வேகமான முறை மாற்றம், அதிகம் என்றால் நீண்ட இடைநிறுத்தங்களுக்கு அனுமதி. இரைச்சல் உணர்திறன் ஸ்லைடர் பின்னணி ஒலிக்கு முகவரை அதிக அல்லது குறைவான உணர்திறன் கொண்டதாக்குகிறது. இவற்றில் எந்த அமைப்புகளை நேரலை அழைப்புகள் இன்று பயன்படுத்துகின்றன என்று அந்தப் பக்கத்திலுள்ள அறிவிப்புப் பட்டை சொல்கிறது; சரிசெய்வதில் நேரம் செலவிடுவதற்கு முன் அதைச் சரிபாருங்கள்.
எளிய சரிசெய்தல் சுழற்சி
- இயல்புநிலை மதிப்புகளுடன் தொடங்குங்கள்எதையும் மாற்றுவதற்கு முன் அடிப்படைச் சோதனை அழைப்புகளைச் செய்யுங்கள்.
- கடினமான சூழல்களைச் சோதியுங்கள்இரைச்சலான இடத்திலிருந்து அழையுங்கள், மெதுவாகப் பேசுங்கள், எண்ணின் நடுவே நிறுத்துங்கள், மென்மையாகப் பேசுங்கள்.
- ஓர் அமைப்பை மாற்றுங்கள்மௌனம் அல்லது இரைச்சல் உணர்திறனில் ஒன்றை மட்டும் சரிசெய்யுங்கள், இரண்டையும் ஒரே நேரத்தில் அல்ல.
- மீண்டும் சோதித்து ஒப்பிடுங்கள்வேறுபாடுகள் அமைப்பால் மட்டுமே ஏற்படும்படி அதே ஸ்கிரிப்டைப் பயன்படுத்துங்கள்.
- உண்மையான அழைப்புகளை மதிப்பாய்வு செய்யுங்கள்துண்டிக்கப்பட்ட அழைப்பாளர்கள் அல்லது நீண்ட இடைவெளிகளுக்கு எழுத்துப்படிகளைப் படித்து மீண்டும் சரிசெய்யுங்கள்.
முன்பதிவுக் குறிப்பு எண்ணைச் சொல்லும் ஒரு கற்பனையான அழைப்பாளரை எடுத்துக்கொள்ளுங்கள். முதல் நான்கு எழுத்துகளைச் சொல்லி, உறுதிப்படுத்தல் மின்னஞ்சலைப் பார்த்து, இரண்டு விநாடிகளுக்குப் பின் தொடர்கிறார். குறுகிய காத்திருப்புடன், முகவர் ஏற்கெனவே பதிலளித்துவிட்டது; அழைப்பாளர் மீண்டும் தொடங்குகிறார், இருவரும் ஒருவர் மேல் ஒருவர் பேசுகிறார்கள். நீண்ட காத்திருப்புடன், அதே அழைப்பாளர் ஒரே முயற்சியில் குறிப்பு எண்ணை முடிக்கிறார். இப்போது ஆம் என்று மட்டும் சொல்ல வேண்டிய அழைப்பாளரை நினைத்துப் பாருங்கள். நீண்ட காத்திருப்பு ஒவ்வொரு முறையும் அவருக்கு ஒரு விநாடி மௌனத்தைச் செலவாக்குகிறது. சரியான அமைப்பு, இவற்றில் எந்த அழைப்புகளை நீங்கள் அதிகம் எதிர்பார்க்கிறீர்கள் என்பதைப் பொறுத்தது.
மொபைல் அழைப்பாளர்கள் மேலும் ஒரு சிக்கலைச் சேர்க்கிறார்கள். தீவிரமான இரைச்சல் அடக்கம் கொண்ட போன்கள் சில நேரங்களில் வாக்கியத்தின் முதல் அசையை வெட்டுகின்றன; எனவே பேச்சுத் தொடக்கம் தாமதமாக வருகிறது. அழைப்பாளர்கள் பேசத் தொடங்கியும் புறக்கணிக்கப்படுவது போல அடிக்கடி தோன்றினால், அதிக உணர்திறன் கொண்ட இரைச்சல் அமைப்பை முயன்று, ஒரு போனிலிருந்து மீண்டும் சோதியுங்கள்.
அறிகுறிகளைப் படித்தல்
அழைப்புகளைக் கேட்பதன் மூலம் ஓர் அமைப்பு எந்தத் திசையில் தவறாக உள்ளது என்று பெரும்பாலும் சொல்லலாம்.
| நீங்கள் கேட்பது | சாத்தியமான காரணம் | என்ன முயல்வது |
|---|---|---|
| முகவர் அழைப்பாளர் மேல் பேசுகிறது | மௌனக் காத்திருப்பு மிகக் குறைவு, அல்லது மென்மையான பேச்சு தவறவிடப்பட்டது | மௌன வரம்பை உயர்த்துங்கள், இரைச்சல் உணர்திறனை அதிகரியுங்கள் |
| ஒவ்வொரு பதிலுக்கும் முன் நீண்ட இடைநிறுத்தங்கள் | மௌனக் காத்திருப்பு மிக நீளம் | வரம்பைச் சற்றுக் குறையுங்கள் |
| முகவர் எதற்குமே பதிலளிக்கவில்லை | இரைச்சல் பேச்சாகக் கருதப்படுவதால் முறை ஒருபோதும் மூடுவதில்லை | இரைச்சல் உணர்திறனைக் குறையுங்கள் |
| மென்மையாகப் பேசும் அழைப்பாளரை முகவர் புறக்கணிக்கிறது | பேச்சு இரைச்சலாகக் கருதப்படுகிறது | இரைச்சல் உணர்திறனை அதிகரியுங்கள் |
| குறுகிய காத்திருப்பிலும் பதில்கள் மெதுவாக உணரப்படுகின்றன | பைப்லைனில் வேறு இடத்தில் தாமதம் | தாமத வழிகாட்டியைப் பாருங்கள் |
VAD-ஐத் தவிர தாமதத்துக்குப் பல மூலங்கள் உண்டு. குரல் AI தாமதம்: பதில்கள் ஏன் மெதுவாக உணரப்படுகின்றன அவற்றைப் பிரித்துக் காட்டுகிறது; பார்ஜ்-இன், குறுக்கீடுகளைக் கையாளுதல் முகவர் பேசும்போது அழைப்பாளர் பேசினால் என்ன நடக்கிறது என்பதை உள்ளடக்குகிறது.
மௌனத்துக்கு அப்பால்: புத்திசாலித்தனமான முறை-முடிவு தீர்மானங்கள்
மௌனம் மட்டுமே மழுங்கிய சமிக்ஞை. புதிய அணுகுமுறைகள் சொல்லப்பட்டதையும் கருத்தில் கொள்கின்றன: "மற்றும்" என்று முடியும் வாக்கியம், அல்லது பாதி சொன்ன எண், இன்னும் வருவதைக் குறிக்கலாம்; முழுமையான கேள்வி அப்படியல்ல. இந்த முறைகள் மேலும் விவரிக்கப்பட்டுள்ளன: குரல் முகவர்களில் பேச்சு முறை மாற்றம். நுட்பம் எதுவாக இருந்தாலும், விற்பனையாளர் கூற்றுகளைக் கருதுகோள்களாகக் கருதி உங்கள் சொந்த அழைப்புகளால் சரிபாருங்கள்.
நேரலைக்கு வருவதற்கு முன் உறுதிசெய்யுங்கள்
- அழைப்பாளர்கள் எண்களைப் படிக்கும்போது முகவர் குறுக்கிடவில்லை
- ஒன்றிரண்டு விநாடி இடைநிறுத்தம் முறையின் முடிவாகக் கருதப்படவில்லை
- இரைச்சலான தெருவில் உள்ள அழைப்பாளரையும் புரிந்துகொள்ள முடிகிறது
- முகவரின் சொந்தக் குரல் கண்டறிவானைத் தூண்டவில்லை
- மேசைத் தொலைபேசிகளிலிருந்து மட்டுமல்ல, மொபைல் போன்களிலிருந்து வரும் அழைப்புகளையும் கேட்டுள்ளீர்கள்
- உண்மையான அழைப்புகள் பிரச்சினையை வெளிப்படுத்தினால் அமைப்புகளை எங்கே மாற்றுவது என்று தெரியும்
Call-இல் அடுத்து என்ன செய்வது
முகவரின் குரல் அமைப்புகளைத் திறந்து, Transcriber பகுதியை மதிப்பாய்வு செய்து, லைன் வழியாக உங்கள் சொந்தத் தொலைபேசியை ஒலிக்கச் செய்யும் சோதனை அழைப்பை நடத்துங்கள். பிறகு அழைப்பு வரலாற்றில் அழைப்பைத் திறங்கள்; அங்கே ஒவ்வொரு பேச்சு முறைக்கும் எவ்வளவு நேரம் ஆனது என்று மேலாளர் பார்க்கலாம்; அதை அழைப்பு எப்படி உணரப்பட்டது என்பதுடன் ஒப்பிடுங்கள். மௌன வரம்பில் சிறிய மாற்றங்களை நினைவிலிருந்து அல்ல, அருகருகே கேட்டு மதிப்பிடுவது எளிது.
அடிக்கடி கேட்கப்படும் கேள்விகள்
VAD என்பதன் விரிவாக்கம் என்ன?
Voice activity detection — குரல் செயல்பாடு கண்டறிதல். பேச்சை மௌனத்திலிருந்தும் பின்னணி இரைச்சலிலிருந்தும் பிரித்தறியும் குரல் அமைப்பின் பகுதி இது.
VAD-ம் பேச்சு அறிதலும் ஒன்றா?
இல்லை. யாராவது பேசுகிறார்களா என்பதை மட்டுமே VAD முடிவு செய்கிறது. பேச்சு அறிதல் பேச்சை உரையாக மாற்றுகிறது. இரண்டும் சேர்ந்து வேலை செய்கின்றன; எப்போது கேட்பதை நிறுத்திப் பதிலளிக்கத் தொடங்குவது என்பதையும் VAD முடிவு செய்கிறது.
முகவர் ஏன் சில நேரங்களில் என்னைக் குறுக்கிடுகிறது?
நீங்கள் பேசும் விதத்துக்கு மௌனக் காத்திருப்பு மிகக் குறைவாக இருக்கலாம், அல்லது ஓர் இடைநிறுத்தம் உங்கள் முறையின் முடிவாகக் கருதப்பட்டிருக்கலாம். மௌன வரம்பை உயர்த்துவது பொதுவாக உதவும்.
முகவர் பதிலளிப்பதற்கு முன் ஏன் நீண்ட இடைநிறுத்தம்?
மௌனத்துக்கான காத்திருப்பு நீளமாக இருக்கலாம், அல்லது பதிலை உருவாக்குவது போல வேறு இடத்தில் தாமதம் இருக்கலாம். முதலில் அமைப்புகளைச் சரிபார்த்து, பிறகு அழைப்பு வரலாற்றில் பதில் நேரத்தைப் பாருங்கள்.
பின்னணி இரைச்சல் முடிவைப் பாதிக்குமா?
ஆம். இரைச்சல் பேச்சாகத் தவறாகக் கருதப்பட்டு முறையைத் திறந்தே வைக்கலாம்; மென்மையான பேச்சு இரைச்சலாகத் தவறாகக் கருதப்படலாம். இரைச்சல் உணர்திறன் அமைப்புகளும், யதார்த்தமான இடங்களிலிருந்து சோதனை அழைப்புகளும் சமநிலையைக் கண்டறிய உதவுகின்றன.
ஒரே அமைப்பு எல்லா அழைப்பாளர்களுக்கும் பொருந்துமா?
அரிதாக. உங்கள் மிகக் கடினமான கேள்விகளுக்குப் பொருந்தும் மதிப்பைத் தேர்ந்தெடுத்து உண்மையான அழைப்புகளை மதிப்பாய்வு செய்யுங்கள்; பொறுமையான அழைப்பாளர்களும் வேகமான அழைப்பாளர்களும் வெவ்வேறு விதமாக நடந்துகொள்கிறார்கள்.