Sesli yapay zekâ teknolojisi

Sesli Asistanlarda Söz Sırası: Kim, Ne Zaman Konuşur

Sesli asistan ne zaman konuşacağına, bekleyeceğine veya duracağına nasıl karar verir, üst üste konuşma neden zordur ve doğal görüşmeler nasıl tasarlanır.

Call editör ekibi · Yayınlanma · 5 dk okuma

İnsan konuşması dikkat çekici derecede akıcı bir devir teslimdir. Karşımızdaki kişi sözünü bitirirken, hatta çoğu zaman bitirmeden konuşmaya başlarız ve ipuçlarını fark etmeden okuruz. Bir sesli asistanın böyle bir içgüdüsü yoktur. Ona ne zaman dinleyeceği, ne zaman konuşacağı ve ne zaman duracağı için kurallar verilmelidir. Bu kurallar yanlış olursa doğru yanıtlar bile tuhaf hissettirir.

Bir masanın iki yanında telefonla konuşan iki kişi
Örnek görsel

Bu makale, sesli asistanlarda söz sırasının arkasındaki fikirleri ve bir görüşmeyi doğal hissettiren tasarım tercihlerini ele alıyor. Sessizliğin nasıl algılandığını açıklayan Ses Etkinliği Algılama ve Söze Girme ve Kesintileri Yönetmek yazılarının üzerine kuruludur.

Doğal söz sırası neye benzer

Günlük konuşmada bir konuşmacı ile bir sonraki arasındaki boşluk genellikle çok kısadır ve uzun sessizlikler rahatsız edici gelir. İnsanlar ayrıca hafifçe üst üste konuşur, sesli olarak onaylar ve takip ettiklerini göstermek için küçük kelimeler söyler. Bunların hiçbiri kabalık değildir; bir konuşma bu şekilde canlı kalır.

Telefonda okunacak bir yüz yoktur; bu yüzden her sinyali ses taşır. Yükselen bir ton bir soruyu, uzayan bir kelime düşüncenin bitmediğini, hızlı bir nefes de çoğu zaman birinin konuşmak üzere olduğunu gösterir. Yazılım bu ipuçlarını yalnızca sesten ve metinden tahmin etmek zorundadır.

Bir sesli asistanın yönetmesi gereken hamleler

  • Sözü almakArayan bitirdikten sonra uzun bir boşluk bırakmadan yanıta başlamak.
  • Sözü korumakKısa bir ses veya öksürük araya girdiğinde konuşmaya devam etmek.
  • Sözü bırakmakArayan asistanın üzerine konuşmaya başladığında durmak.
  • Onay sesleriYeni bir söz sırası olmayan "evet" veya "tamam" gibi kısa sesler.
  • Onarımİkisi aynı anda konuştuğunda veya asistan yanlış duyduğunda toparlanmak.

Yazılım için neden zordur

Üç sorun tekrar tekrar karşımıza çıkar.

Söz sırasının bittiğine karar vermek

Sabit bir sessizlik süresi beklemek basit ama kabadır. İnsanlar düşünürken cümlenin ortasında duraklar. Ayrıca bir düşünceyi bitirip yanıt bekleyerek susarlar. Daha gelişmiş sistemler o ana kadar söylenen kelimelere bakar: anlam olarak bir soru, tamamlanmış bir adres veya bir bağlaçla biten bir cümle. Sabit yaklaşımın, daha akıllı bir yaklaşımın ve ikisinin karışımının her birinin ödünleşimleri vardır; sabır için ayarların bulunmasının nedeni budur.

Üst üste konuşmayı ve söze girmeleri yönetmek

Arayan bir şey söylerken asistan konuşmaya devam ederse arayan bunu daha yüksek sesle tekrarlar. İyi bir asistan gerçek konuşma duyduğunda hızla durur, ancak bir öksürük veya korna sesi için durmaz. Her seste durmak onu tedirgin gösterir; gerçek söze girmeleri görmezden gelmek ise sağır gösterir.

Onay seslerini gerçek söz sıralarından ayırmak

Bir asistan uzun bir adres okurken arayan "hı hı" derse bu bir söze girme değil, cesaretlendirmedir. Bunu yeni bir söz sırası olarak ele almak okumayı rayından çıkarır. Pek çok sistem ikisini güvenilir biçimde ayırt edemez; bu yüzden pratik çözüm, ifadeleri bu sorunun hiç ortaya çıkmayacağı kadar kısa tutmaktır.

Teknolojiye uygun görüşmeler tasarlamak

Teknolojiyi yeniden inşa edemezsiniz, ancak onunla uyumlu çalışan görüşmeler yazabilirsiniz. İyileşmenin çoğu zekice mühendislikten değil, senaryodan ve komuttan gelir.

İyi tempolu bir alışveriş

  1. Kısa karşılamaKimin yanıt verdiğini söyleyin ve tek cümleyle yardım önerin.
  2. Açık uçlu soruArayanın kendi kelimeleriyle anlatmasına izin verin.
  3. Kısa onayArayanın duyulduğunu bilmesi için talebi birkaç kelimeyle yansıtın.
  4. Tek bir ek soruHâlâ eksik olan tek ayrıntıyı sorun.
  5. Döngüyü kapatınBundan sonra ne olacağını söyleyin ve gerekirse bir insan önerin.

Hız da zamanlama kadar önemlidir

Doğru bir söz sırası kararı bile yanıt geç gelirse yanlış hissettirir. Yanıtlar transkripsiyon, dil modeli ve konuşma sentezi nedeniyle gecikebilir. Bazı sistemler yanıtın tamamını beklemek yerine ilk bölümü hazır olur olmaz konuşmaya başlar; bu da boşluğu kısaltır. Zamanın nereye gittiği için Sesli Yapay Zekâda Gecikme yazısına bakın.

İşin insan faktörü boyutu da vardır. Kısa bir ton veya hızlı bir açılış kelimesi gibi küçük bir onay, daha uzun bir sorgulama sırasında arayanı rahatlatabilir; ancak her söz sırasında tekrarlanan dolgu ifadeler sinir bozucu hâle gelir. Bunları idareli kullanın ve gerçek dinleyicilerle test edin.

Söz sırasını zorlayan durumlar

Bazı çağrı türleri, doğal ritim bozulduğu için ekstra özen gerektirir.

Her durumda çözüm aynıdır: gerçek çağrıları gözlemleyin, ritmin nerede bozulduğunu bulun ve senaryoyu ya da ayarları düzenleyin. Söz sırası hiçbir zaman tamamlanmış bir iş değildir, çünkü arayanlar hiçbir zaman tek tip değildir.

Söz sırasını test etmek

Söz sırası yalnızca bir transkriptten değerlendirilemez; dinlemeniz gerekir. Farklı arayanları canlandıran bir çalışma arkadaşınızla test aramaları yapın ve alışverişin nasıl hissettirdiğini not edin.

TestNeye kulak vermeli
Hızlı konuşanAsistan söze girmeden ona yetişebiliyor mu?
Yavaş, tereddütlü konuşanAsistan kelimeler arasındaki duraklamalarda bekliyor mu?
Söze giren arayanAsistan hemen susup yeni girdiye yanıt veriyor mu?
Rakam okumaAsistan rakam grupları arasında sabırlı mı?
Asistan konuşurken "hı hı"Asistan durmak yerine devam ediyor mu?
Arayanın sessiz kalmasıAsistan nazikçe yönlendiriyor, ardından bir çıkış yolu sunuyor mu?

Call'da söz sırası ayarları

Call'da her yapay zekâ asistanının, dinleme dilini seçtiğiniz ve arayanın sözünü bitirdiğine nasıl karar vereceğini ayarladığınız transkripsiyon ayarları vardır: bir buçuk saniyeye kadar bir sessizlik eşiği ve bir gürültü hassasiyeti kaydırıcısı. Yöneticiler çağrı geçmişinde bir çağrıyı açarak her konuşma sırasının ne kadar sürdüğünü görebilir; bu, bir gecikmenin sessizlik beklemesinden mi yoksa yanıtın kendisinden mi kaynaklandığını belirlemeye yardımcı olur. Asistan ayrıca yanıtları kısa ve doğal tutacak şekilde ayarlanmıştır. Kendi telefonunuzu aramak için test aramasını kullanın, ardından ayarlayıp tekrar arayın. Adım adım kurulum için Call'da Yapay Zekâ Asistanı Kurmak yazısına bakın.

Son bir tasarım notu: arayanlara her zaman görüşmeden bir çıkış yolu sunun. Otomatik bir sesin ritmiyle zorlanan bir arayan, IVR ve Yapay Zekâ Sesli Asistan yazısında anlatıldığı gibi bir insan isteyebilmelidir.

Sık sorulan sorular

Bir sesli asistanda söz sırası nedir?

Asistanın arayanın ne zaman sözünü bitirdiğine, ne zaman yanıt vereceğine ve arayan konuşmaya başladığı için ne zaman susacağına karar verme şeklidir. Bir görüşmenin bir dizi komut yerine bir sohbet gibi hissettirmesini sağlar.

Sesli asistanım neden arayanların üzerine konuşuyor?

Yaygın nedenler çok kısa bir sessizlik beklemesi, gürültünün konuşmanın sonu olarak algılanması veya çok duraklayan bir arayandır. Sessizlik ayarlarını düzenleyin ve gerçekçi konuşmalarla test edin.

Onay sesi (backchannel) nedir?

Onay sesi, dinleyenin takip ettiğini gösteren "hı hı" veya "tamam" gibi küçük bir sestir. Yeni bir söz sırası değildir, ancak yazılım onu öyle sanabilir.

Bir asistan kasıtlı olarak sözümü kesebilir mi?

İyi tasarlanmış asistanlar bundan kaçınır. Bir asistan söze giriyorsa bu neredeyse her zaman bir tercih değil, bir zamanlama sorunudur. Daha uzun sessizlik beklemeleri genellikle bunu azaltır.

Daha hızlı bir yanıt her zaman daha iyi mi duyulur?

Hayır. Çok erken gelen bir yanıt, özellikle arayan bir numara okurken söz kesme gibi hissettirebilir. Amaç en kısa değil, doğal bir boşluktur.

Söz sırasını nasıl test ederim?

Tereddütlü konuşanlar, söze girmeler ve rakam okuma dahil farklı konuşma tarzlarıyla aramalar yapın, ardından kayıtları dinleyin. Her seferinde tek bir ayarı değiştirin ve aynı senaryoyu tekrarlayın.

Call'da yapay zekâ asistanınızın görüşmelerde söz sırasını nasıl aldığını ayarlayın

Demo konsolunda gelen çağrıları bir simülasyonla deneyebilirsiniz.

İlgili rehberler