Milyen módokon szólíthat meg egy botot
A bot hangosításának két fő módja van: beszédszintézis vagy
Az egyik leghíresebb beszédszintézis módszer a párosnem programozók között - TTS. A számítógép egyszerűen elolvassa és kimondja a szöveget. Szembetűnő példa a Google Speech Services szintézise, amely meghallgatható a Google Fordítóban. A szolgáltatás orosz beszéde nagyon könnyen megkülönböztethető a természetes beszédtől, ami egy ilyen szintézis fő problémája. A szükséges hangsúly helyezéséhez használja az SSML - beszédszintézis jelölést. De még vele is nehéz olyan hangzást elérni, mint egy profi bemondó. Ezért elkezdtünk egy jó minőségű alternatívát fejleszteni.
Miért van szükség változókkal rendelkező beszédszintézisre
A vállalkozások aktívan használják a hangszolgáltatástbotok, és arra törekszik, hogy beszédüket kellemesebbé és személyre szabottabbá tegye az ügyfelek felé. A személyre szabás növeli az elköteleződést és a lojalitást: a fejlett személyre szabást alkalmazó vállalatok 70%-a 200%-os vagy annál nagyobb ROI-t ért el erőfeszítései során.
Hogy a bot hangja valósághű legyen, cégekrögzítse egy bemondó, színész vagy kapcsolattartó központ kezelőjének hangját. Hátránya, hogy minden replika statikus. Ez alkalmas például a rendelés törlésére vonatkozó utasításokhoz vagy az aktuális akciókról való tájékoztatáshoz. Az üzleti kommunikáció azonban sok változó adatot – változót – tartalmaz.
A robotok hangjának valósághűvé tétele érdekében a vállalatok felveszik a narrátor, a színész vagy a kapcsolattartó központ kezelőjének hangját. Hátránya, hogy minden replika statikus.
Például egy találkozó megerősítéséhez egy klinikán:A beteg neve, az orvos neve, a rendelés dátuma és időpontja. Szállítási esetben: az ügyfél teljes neve, rendelési száma és annak tartalma, mennyisége és szállítási ideje. Minden bejegyzésnek tartalmaznia kell az ügyfél vagy kérésének egyedi paramétereit. Ezután pedig fájlragasztást, hangkeveréseket vagy egyszerűen robothangosítást használnak.
A ragasztás lényege, hogy létrehoz„alkalmazások” a bemondó számos felvételéből. Szállítás esetén körülbelül 1,5 ezer gyakran előforduló utcát, városnevet, ház- és lakásszámot kell felírni. Ez egy nagyon munkaigényes feladat, amely jelentős erőfeszítést és időt igényel a bemondótól. A felvétel után a hangfájlokat a megfelelő sorrendben kell egyesíteni. Egy professzionális hangmérnök zökkenőmentes átmenetet tud végrehajtani a vágások és a szünetek helye között, de a csomópontok továbbra is hallhatók, és a nagy mennyiségű forrásadat elsöprővé teszi az ilyen munkát. Kipróbáltuk ezt a lehetőséget, de rájöttünk, hogy nem alkalmas összetett problémák megoldására.
Tudjuk, hogy egyes vállalatok olyan hangszórót próbálnak találni, amelynek hangja hasonló a Yandex vagy a Google Speech szabvány SpeechKit hangjainkhoz. De ebben az esetben a betétek is hallhatók.
Megpróbáltuk beépíteni a hangfelvételekbeTTS. Vagyis nem rögzítettük előre az összes utca- és városnevet, hanem a bemondó hangja alapján TTS segítségével generáltuk a kívánt kifejezést, és beillesztettük az előre felvett bemondó replikájába. Az eredmény egy személy és egy robot érzelmes, élő beszédének keveréke volt.
Bármit is próbálunk különféle hangszerekkel,Nem értünk el jó eredményt. Ennek eredményeként eljutottunk a saját algoritmusunk kidolgozásához, amelyet hibrid szintézisnek neveztünk el. Ez a technológia lehetővé teszi, hogy gyorsan módosítsa a frázisokat a hangrobotok hangfelvételein; csak át kell adnia a cserét az algoritmusnak. Ugyanakkor a szintetizált beszéd lemásolja a beszélő intonációját és érzelmeit, természetesnek hangzik, és nem tűnik ki a kontextusból. Ily módon minden olyan változót megszólaltathat, amely nem szerepelt az eredeti hangfelvételen, és új forgatókönyveket is tesztelhet.
TTS
Hogyan működik a hibrid szintézis?
Az első szakasz a bemondókkal való munka.Az orosz nyelv sokszínűségének lefedéséhez 10 óra beszédet kellett rögzíteni egy professzionális stúdióban. Ezek könyvekből, hírekből és gyakran előforduló adatokból származó kifejezések: számok, nevek, címek és városok. Ez elegendő képzési adatot biztosít, amely után elkezdheti hibrid szintézis modellek létrehozását minden egyes hangszóróhoz.
A bemondó minden robothívási projekthez felír egy kifejezéssablont, például: „Helló!Szergej Petrovics! Holnap kiszállítjuk megrendelését az Ön címéreTverskaya utca 3val14-től 18-igórák.Kényelmes lesz elfogadni?” A hibrid szintézis modell olyan feladatokat tud feldolgozni, mint amikor Szergej Petrovicsot Anna Vasziljevnára kell cserélni, valamint a címet és időt - a Bolshaya Zelenina utca 24. szám alatt, délelőtt 10 órától délután 2 óráig. Az eredmény egy új replika szintetizált változókkal: „Hello!Anna Vasziljevna! Holnap kiszállítjuk megrendelését az Ön címéreBolshaya Zelenina utca 24val10-től 14-igórák. Kényelmes lesz elfogadni?” Az ügyfélbázis minden egyes hívásánál külön feladat jön létre és hajtódik végre.
Szinkronhang
Kiváló hangminőség érhető el annak a ténynek köszönhetően, hogy a neurális hálózat a beszélő hanglejtését és érzelmeit használja fel a példából.
A hibrid szintézis beállítása
Számos kész modellt kínálunkhibrid szintézis női és férfi hangokkal. A sablonhívások a JAICP és JAICF platformokon működnek, az API-n keresztül más szolgáltatásokban létrehozott botok hívása lehetséges. A szkript nulláról történő beállítása több órát vesz igénybe. Egy szintetizált replika 12 kopejkába kerül, egy projekt sablonjának hangosítása pedig 3000 rubelt fizet óránként a bemondó munkájából.
A kész hangok készlete bővülni fog.Lehetőség van arra is, hogy a Just AI hibrid szintézist használja, és modellt készítsen egy egyénileg kiválasztott bemondóhoz, vagy aki a cég hivatalos hangja.
hibrid szintézis
A hibrid szintézis technológia lehetővé teszi az IVR és a robothívások személyre szabását NPS-felmérések, kérdőívek, emlékeztetők, upsales és hűségprogramok támogatása céljából.
Olvass tovább:
Egy fekete lyuk a galaxisban bebizonyította, hogy Einsteinnek igaza volt. A fő dolog
Az űr elpusztítja a csontokat és megváltoztatja szerkezetüket: a tudósok nem tudják, hogyan repülnek majd az emberek a Marsra
A csillagászok olyan bolygókat találtak, amelyek különböznek a Földtől, de alkalmasak az életre