Sesli yapay zekâ teknolojisi

Ses Etkinliği Algılama: Arayanın Sözünü Bitirdiğini Anlamak

Ses etkinliği algılamanın bir çağrıda konuşmayı sessizlikten nasıl ayırdığı, zamanlamanın neden şaştığı ve asistanın söz kesmemesi için sessizlik süresinin ayarı.

Call editör ekibi · Yayınlanma · 5 dk okuma

İki kişi telefonda konuşurken kimin sırada konuşacağını nadiren düşünür. Bir sesli asistanın ise bunu hesaplaması gerekir. İlk adım, saniyede pek çok kez sorulan şaşırtıcı derecede basit bir sorudur: şu anda biri konuşuyor mu? Bu soruyu yanıtlayan bileşene ses etkinliği algılama veya VAD denir.

Masada telefon kulaklığına konuşan bir kişi
Örnek görsel

Bu rehber VAD'nin ne yaptığını, telefon hattında neden sessiz bir odadakinden daha zor olduğunu, ayarların ne anlama geldiğini ve bunların nasıl ayarlanacağını açıklıyor. Bir sesli asistanın nasıl çalıştığına dair genel resim için Sesli Yapay Zekâ Bir Telefon Görüşmesinde Nasıl Çalışır yazısını okuyun.

Ses etkinliği algılama ne yapar

VAD bir ses akışına çok kısa dilimler hâlinde bakar ve her birini konuşma veya konuşma dışı olarak etiketler. Basit versiyonlar yalnızca ses yüksekliğini ölçer. Daha iyileri, insan konuşmasının örüntüsünü tanıyan ve klavye tıkırtılarını, geçen bir kamyonu veya arka plandaki bir televizyonu yok sayan eğitilmiş modellerdir.

Bu etiketler bir sesli asistanda üç kararı besler:

VAD'den sonraki her şey ona bağlı olduğu için kötü bir VAD iyi bir asistanı kötü gösterir. Arayan hâlâ konuşurken gelen bir yanıt nadiren bir dil sorunudur; genellikle bir zamanlama sorunudur.

Telefon görüşmeleri bunu neden zorlaştırır

Telefon hattı, çoğu zaman sokakta, arabada veya bir dükkânda olan bir arayanı taşıyan dar ve sıkıştırılmış bir kanaldır. Bu birleşim, konuşma ile gürültü arasındaki sınırı bulanıklaştırır. Telefon Sesi Konuşma Tanıma için Neden Zordur yazısı sesin kendisini ele alıyor; burada VAD'ye özgü etkiler yer alıyor.

Bir algılayıcının kafasını karıştıranlar

  • Arka plan gürültüsüTrafik, rüzgâr ve kafe uğultusu konuşma sanılabilir ve sırayı açık tutabilir.
  • Alçak sesle konuşanlarYumuşak bir ses sessizlik olarak sınıflandırılabilir; bu durumda asistan arayanın üzerine konuşur.
  • Cümle ortasındaki duraklamalarİnsanlar düşünmek, bir adı harf harf söylemek veya çantalarında bir numara aramak için durur.
  • Yankı ve yan tonAsistanın geri sızan kendi sesi, arayan konuşuyormuş gibi görünebilir.
  • Nefesler ve dolgu sesleri"Hımm" veya bir iç çekiş gibi sesler bir söz sırası sayılabilir de sayılmayabilir de.

Sessizlik eşiği dengesi

En önemli ayar, sistemin arayanın sözünü bitirdiğine karar vermesinden önce bir sessizliğin ne kadar sürmesi gerektiğidir. Buna sessizlik eşiği diyelim. Mükemmel bir değeri olmayan bir dengedir.

Kısa ve uzun sessizlik eşiği

Kısa beklemeUzun bekleme
Görüşmenin hissiHızlı ve canlıDaha yavaş, daha temkinli
RiskArayan düşünürken veya bir numara okurken söze girerHer yanıttan sonra ölü sessizlik; arayanlar kendilerini tekrarlar
Uygun olduğu durumKısa evet veya hayır alışverişleriAdlar, adresler, hesap bilgileri, yaşlı veya tereddütlü arayanlar

Görüşmenin içeriğini düşünün. Çoğunlukla evet veya hayır soruları soruyorsanız kısa bir bekleme işe yarar. Arayanların bir e-posta adresi veya referans numarası vermesi gerekiyorsa daha uzun bir bekleme, asistanın rakamlar arasındaki bir duraklamada araya girmesini önler.

Farklı sorular için farklı hızlar kullanmak

Bazı sistemler sabrı soruya göre değiştirmenize olanak tanır. Arayanın geri arama isteyip istemediğini sorarken hızlı, posta kodunu sorarken sabırlı olun. Platformunuz bunu desteklemiyorsa en zor sorunuza uygun ayarı seçin, çünkü bir arayanın sözünü kesmek kısa bir duraklamadan daha sinir bozucudur.

Call'da VAD ayarlarını yapmak

Call'da her yapay zekâ asistanının, dinleyeceği dili seçtiğiniz veya dili otomatik algılamasına izin verdiğiniz bir Konuşma tanıma bölümü vardır. İki kaydırıcı, arayanın sözünü bitirdiğine nasıl karar verdiğini şekillendirir. Sessizlik eşiği, arayanın sırası bitmeden önceki sessizlik süresidir ve 0 ile 1,5 saniye arasında ayarlanabilir; düşük değer daha hızlı söz sırası, yüksek değer ise daha uzun duraklamalara izin verir. Gürültü hassasiyeti kaydırıcısı, asistanı arka plan sesine karşı daha fazla veya daha az hassas yapar. O sayfadaki bir uyarı, canlı çağrıların bugün bu ayarlardan hangilerini kullandığını gösterir; bu yüzden ayar yapmaya zaman harcamadan önce kontrol edin.

Basit bir ayar döngüsü

  1. Varsayılanlarla başlayınHerhangi bir şeyi değiştirmeden önce başlangıç olarak bir dizi test araması yapın.
  2. Zor durumları test edinGürültülü bir yerden arayın, yavaş konuşun, bir numaranın ortasında duraklayın, alçak sesle konuşun.
  3. Tek bir ayarı değiştirinSessizliği veya gürültü hassasiyetini ayarlayın, ikisini aynı anda değil.
  4. Tekrar test edin ve karşılaştırınFarkların ayardan kaynaklanması için aynı senaryoyu kullanın.
  5. Gerçek çağrıları inceleyinSözü kesilen arayanlar veya uzun boşluklar için transkriptleri okuyun ve tekrar ayarlayın.

Bir rezervasyon referansı veren varsayımsal bir arayanı düşünün. İlk dört karakteri söylüyor, onay e-postasına göz atıyor ve iki saniye sonra devam ediyor. Kısa bir beklemeyle asistan çoktan yanıt vermiştir, arayan baştan başlar ve ikisi birbirinin üzerine konuşur. Daha uzun bir beklemeyle aynı arayan referansı tek seferde tamamlar. Şimdi de yalnızca evet demesi gereken bir arayanı düşünün. Daha uzun bekleme ona her söz sırasında bir saniyelik sessizliğe mal olur. Doğru ayar, bu çağrılardan hangisini daha sık beklediğinize bağlıdır.

Mobil arayanlar işi biraz daha karmaşıklaştırır. Agresif gürültü bastırma kullanan telefonlar bazen bir cümlenin ilk hecesini kırpar; bu da konuşmanın başlangıcının geç algılanmasına yol açar. Arayanlar sık sık konuşmaya başlayıp görmezden geliniyor gibi görünüyorsa daha hassas gürültü ayarını deneyin ve bir cep telefonundan tekrar test edin.

Belirtileri okumak

Çağrıları dinleyerek bir ayarın hangi yönde yanlış olduğunu çoğu zaman anlayabilirsiniz.

DuyduğunuzOlası nedenNe denenmeli
Asistan arayanın üzerine konuşuyorSessizlik beklemesi çok kısa veya alçak sesli konuşma kaçırılıyorSessizlik eşiğini yükseltin, gürültü hassasiyetini artırın
Her yanıttan önce uzun duraklamalarSessizlik beklemesi çok uzunEşiği biraz düşürün
Asistan hiçbir şeye yanıt vermiyorGürültü konuşma olarak algılanıyor, bu yüzden sıra hiç kapanmıyorGürültü hassasiyetini azaltın
Asistan alçak sesle konuşan bir arayanı görmezden geliyorKonuşma gürültü olarak algılanıyorGürültü hassasiyetini artırın
Kısa beklemeye rağmen yanıtlar yavaş geliyorSürecin başka bir yerinde gecikme varGecikme rehberine bakın

Gecikmenin VAD dışında da kaynakları vardır. Sesli Yapay Zekâda Gecikme: Yanıtlar Neden Yavaş Gelir yazısı bunları birbirinden ayırıyor; Söze Girme ve Kesintileri Yönetmek yazısı da asistan konuşurken arayan konuştuğunda ne olduğunu ele alıyor.

Sessizliğin ötesinde: söz sırasının sonuna dair daha akıllı kararlar

Tek başına sessizlik kaba bir sinyaldir. Daha yeni yaklaşımlar söylenenleri de dikkate alır: "ve" ile biten bir cümle veya yarım söylenmiş bir numara muhtemelen devamının geleceği anlamına gelir; tamamlanmış bir soru ise muhtemelen gelmeyeceği anlamına gelir. Bu yöntemler Sesli Asistanlarda Söz Sırası yazısında daha ayrıntılı anlatılıyor. Teknik ne olursa olsun, tedarikçi iddialarını varsayım olarak görün ve kendi çağrılarınızla doğrulayın.

Canlıya geçmeden önce şunları teyit edin

  • Arayanlar numara okurken asistan söze girmiyor
  • Bir iki saniyelik bir duraklama söz sırasının sonu olarak algılanmıyor
  • Gürültülü bir sokaktaki arayan yine de anlaşılabiliyor
  • Asistanın kendi sesi algılayıcıyı tetiklemiyor
  • Yalnızca masa telefonlarından değil, cep telefonlarından gelen çağrıları da dinlediniz
  • Gerçek çağrılar bir sorun ortaya çıkarırsa ayarları nereden değiştireceğinizi biliyorsunuz

Call'da sonraki adımlar

Asistanın ses ayarlarını açın, Konuşma tanıma bölümünü gözden geçirin ve hat üzerinden kendi telefonunuzu arayan bir test araması yapın. Ardından çağrıyı, bir yöneticinin her konuşma sırasının ne kadar sürdüğünü görebildiği çağrı geçmişinde açın ve bunu görüşmenin nasıl hissettirdiğiyle karşılaştırın. Sessizlik eşiğindeki küçük değişiklikleri hafızadan değil, yan yana dinleyerek değerlendirmek daha kolaydır.

Sık sorulan sorular

VAD ne anlama gelir?

Ses etkinliği algılama (voice activity detection). Bir ses sisteminin konuşmayı sessizlikten ve arka plan gürültüsünden ayıran parçasıdır.

VAD konuşma tanımayla aynı şey mi?

Hayır. VAD yalnızca birinin konuşup konuşmadığına karar verir. Konuşma tanıma ise konuşmayı metne dönüştürür. Birlikte çalışırlar ve dinlemeyi bırakıp yanıt vermeye ne zaman başlanacağına da VAD karar verir.

Asistan neden bazen sözümü kesiyor?

Sessizlik beklemesi muhtemelen konuşma tarzınız için çok kısa veya bir duraklama söz sıranızın sonu olarak algılanmıştır. Sessizlik eşiğini yükseltmek genellikle yardımcı olur.

Asistan yanıt vermeden önce neden uzun bir duraklama oluyor?

Sessizlik beklemesi uzun olabilir veya gecikme, yanıtın üretilmesi gibi başka bir yerdedir. Önce ayarları kontrol edin, ardından çağrı geçmişindeki yanıt zamanlamasına bakın.

Arka plan gürültüsü sonucu etkiler mi?

Evet. Gürültü konuşma sanılıp sırayı açık tutabilir, alçak sesli konuşma da gürültü sanılabilir. Gürültü hassasiyeti ayarları ve gerçekçi yerlerden yapılan test aramaları bir denge bulmanıza yardımcı olur.

Tek bir ayar her arayana uyabilir mi?

Nadiren. En zorlu sorularınıza uyan bir değer seçin ve gerçek çağrıları inceleyin, çünkü sabırlı ve hızlı arayanlar farklı davranır.

Call'da yapay zekâ asistanınızın arayanın sözünü bitirdiğine nasıl karar verdiğini ayarlayın

Demo konsolunda gelen çağrıları bir simülasyonla deneyebilirsiniz.

İlgili rehberler