Okos "beszélők"
A hang természetes kommunikációs eszköz. Sokan inkább szóban akarják megoldani a problémákat
A hangtechnológiákat számos területen alkalmazzák,és bármilyen közönség számára alkalmasak: a gyerekeket interaktív "beszélő" vonzza, a fiatalok értékelik az okoseszközök hangvezérlését, az időseknek pedig egy asszisztens olvassa fel a híreket. De a hangasszisztensekre azokban az iparágakban van a legnagyobb kereslet, ahol sok ponton keresztül kommunikálnak az ügyfelekkel - a pénzügy, a kiskereskedelem és a távközlés területén.
„Sok területen alkalmazzák a hangtechnológiákat”
A nagy cégek hangot használnaka technológia nem az első év. 2017 óta a Bank of America vezeti Ericát, egy virtuális asszisztenst. A Mercedes-Benz 2018 óta vezeti be a digitális felhasználói élmény (MBUX) komplexumot, amely megérti a hangutasításokat. A Walmart kiskereskedő elindított egy alkalmazást az Ask Sam hangsegéddel, amely segíti az ügyfeleket a termékkeresésben. Az Adobe Analytics adatai szerint a márkák 91%-a már most is jelentős mértékben fektet be hangmegoldásokba, és a beruházások növelését tervezi. A Just AI előrejelzése szerint a beszéd AI orosz piaca a következő öt évben 38-ról 81%-ra fog növekedni, és 2025-ben eléri az 561 millió dolláros szintet.
Hiszek – nem hiszem
A vállalkozások értékelik a végrehajtás hatékonyságáthangtechnológiák, a vevői elégedettségre és a márkahűségre összpontosítva. Sok ügyfél azonban visszafogott lelkesedéssel tekint az innovációra. A Voicebot.ai szerint a felhasználók mindössze 45%-a szeretne hangasszisztenseket látni a mobilalkalmazásokban. Az ellenszenv fő oka a Neuro.net szerint a válaszok rossz minősége és a hangasszisztensek szintetikus beszéde. Ezek a problémák jellemzőek a múlt generációs technológiáira épülő interfészekre. A modern gépi tanulási algoritmusok lehetővé teszik a lélektelenségtől mentes hangok szintetizálását.
Egy másik korlátozó tényező azA hangtechnológiák széles körben elterjedtek mind az ügyfél szempontjából "jó", mind a "rossz" forgatókönyvekben. Hangos interfészek fejlesztésére szakosodott cég egyelőre nem sok a piacon, az általuk kínált hangok száma korlátozott. Kiderült, hogy ha ma az embert reklámok vagy csaló hívások zavarják, holnap pedig egy hasznos hívás cseng ki, akkor a kommunikáció nem lesz sikeres, mert "minden robotnak egy hangja van". Ha a hangasszisztens hírneve sérül, az ügyfél számára hasznos hívások hatékonysága nullára csökken. Ezért létrejön a Brand Voice – egy egyedülálló márkahang.
„Az egyedi hang a márka fontos része, mint pllogó vagy vállalati betűtípus. Egyre több ügyfelünk használja ezt a funkciót, és egyedi hangon érintkezik az ügyfelekkel. Fáziskészletet rögzítünk bizonyos intonációval a cég alkalmazottjának vagy egy bemondónak a hangján. És számos dinamikus adatot - telefonszámot vagy címet - az öntanuló rendszer automatikusan generál, reprodukálva a munkavállaló hangját és megtartva a valósághű intonációt. A vállalatok így automatizálják a kommunikációt, de megtartják az ügyfelek lojalitását és növelik a konverziót: az emberek örülnek, hogy élénk hangon szólnak hozzájuk, és hajlandóak párbeszédet folytatni.”
Ivan Artemiev, az MTT termékigazgatója
Beszélj modell
A kész Brand Voice ára 150-től kezdődikezer rubel, és a hangszintézis modell hatókörétől és összetettségétől függ. A megoldás létrehozásának folyamata két részből áll - technikai és logikai részből, mindegyikért külön termékcsapat a felelős.
Ebben a részben egy fontos lépés a hangválasztás, beamelyen a beszéd szintetizálódik. A hang intonációsan tükrözze azokat a márkajellemzőket, amelyek népszerűsítése a vállalat számára fontos. Egy professzionális bemondónak vagy szinkronszínésznek legfeljebb 40 órányi nyelvi konstrukciót kell beszélnie a felvétel alatt. A felvétel legyen jó minőségű, felesleges zajok nélkül, a kiejtés pedig legyen helyes, mert a hangrobot modellt ezen az anyagon oktatják.
A modell betanításához és teljes értékű megvalósításáhozA szintézis a bonyolultságtól függően egy hónaptól hat hónapig tart. De a technológia fejlődik, és a stúdióban eltöltött felvételi idő fokozatosan csökken. Elképzelhető, hogy a jövőben az eredeti hanganyagból mindössze 2-3 óra felhasználásával lehet majd jó hangú robotot szerezni.
"A kész Brand Voice költsége 150 000 rubeltől kezdődik"
Mesterséges intelligencia tanulása
Amikor a felvétel elkészült, kezdődik az edzéshangmodell. Feldolgozza a rögzített anyagot, megtanulja a hangját, ennek eredményeként bármilyen tetszőleges szövegből képes szintetizálni a beszédet.
A problémák ezen osztályának megoldásáhozA Transformers egy mély neurális hálózati architektúra, amelyet 2017-ben vezettek be a Google Brain kutatói. A leghíresebb transzformátorok az OpenAI non-profit szervezet GPT (Generative Pre-trained Transformer) neurális hálózatai. Ez a technológia például lehetővé teszi, hogy a legpontosabban kitöltsön egy hiányosságot, vagy megjósolja a következő szót egy kifejezésben az előző szavak alapján.
Ennek az elvnek megfelelően hangos márkák jönnek létre.Hangmegoldások. A betanított modell hatalmas adatmennyiségen fut – több modell indul el különböző paraméterekkel, és a kimeneten kiválasztják a legjobbat. Fontos, hogy a robot helyesen „fordítsa le” a szöveget hangra, ne kövessen el hibákat a kiejtésben és az intonációban. A szintézis minőségének javítása érdekében a modellt speciális felhasználási esetekre tovább képezték, ami lehetővé teszi a legtermészetesebb hangzású hangok elérését.
Hol itt a logika?
A robot szemantikai tartalma, üzleti logikája illaz emberekkel való interakció forgatókönyvei az ügyféllel szorosan együttműködve jönnek létre. Annak érdekében, hogy a hangos asszisztens a lehető legnagyobb hasznot hozhassa egy vállalkozás számára, jól meg kell értenie az üzlet felépítését, milyen kérdésekkel és milyen helyzetekben fordul az ügyfél az asszisztenshez.
Az eseteket a nulláról kitalálni rossz ötlet, logikaAz ügyféllel való interakciónak valódinak kell lennie. Ha egy asszisztens találkozik egy személlyel a telefonvonalon, akkor a forgatókönyv egy tanácsadáson, értékesítésen vagy más forgatókönyvön alapul - a call center alkalmazottjának műveletsorán az ügyféllel folytatott párbeszédben. A hangasszisztens forgatókönyvének elkészítésekor segít a valódi felhasználók kérésének elemzésében, a velük rendszeresen kommunikáló alkalmazottakkal folytatott interjúkban, vagy az emberek valós igényeinek feltárását célzó UX-kísérletekben.
"Ha egy asszisztens találkozik egy személlyel a telefonvonalon, akkor a forgatókönyv egy tanácsadói, értékesítési vagy más forgatókönyvön alapul"
Sok ügyfél próbál hangot adniaz asszisztens segített az ügyfeleknek megoldani azokat a problémákat, amelyeket nehéz önállóan kezelni. Például a robot kegyére jobb átvinni olyan funkciókat, amelyek „mélyen” el vannak rejtve, vagy nem nyilvánvalóak a mobilalkalmazásban végzett munka során.
Irina Stepanova, a Just AI társalgási felületeinek tervezője-elemzője:„Meg kell értened, hogy a különböző csatornákon van egy chat,alkalmazás, telefon – a kliens másként viselkedik. Ezért mindenekelőtt alaposan tanulmányoznia kell az ügyfelek útitervét azokon a csatornákon, ahol hangasszisztens bevezetését tervezi. A vizuális felületen az ügyfélnek kevesebb módja van a hibázásnak – szinte minden a szeme előtt van, amit a szolgáltatás kínál. A hangos felületen a felhasználó nem érzi annyira jól a szolgáltatás korlátait, és gondoskodni kell arról, hogy az asszisztensnek egy hosszú mondattal kifejezhesse kérését, amelyben ki kell emelni a lényeges kifejezéseket, amelyekkel a program határozza meg a kérés lényegét. Külön feladat egy olyan offtopic script tervezése, amelyre nincs kész script. Az ügyfél bármit kérdezhet. Ami egy robotot emberré tesz, az a válaszok változatossága, amikor ugyanazt a kérdést különböző módon válaszolja meg.”
A hangfejlődés egyik problémájafelület - felfedezhetőség: hogyan lehet megmondani, hogy az asszisztens mit tud és miben tud segíteni? Itt szükséges Cselekedjen proaktívan – hangosítsa meg a készségeket és képességeket, és vezesse végig a felhasználót a forgatókönyvön, további lépéseket javasolva, segítse a zsákutcában, amikor „felismeretlen kérések feldolgozásába” kerül. Az asszisztens képességeiről magán az asszisztensen kívül is beszélhet: a reklámozásban, a levelezésben és egyéb marketingeszközök használatában.
A hangasszisztens ne csak hozzahaszonnal jár, hanem érdekes beszélgetőpartner is lehet. A fejlesztők mindig igyekeznek a lehető legtöbbet beletenni a Brand Voice „agyába”, karakterrel és személyiséggel felruházni.
A tanulás folyamatos folyamat
A hangmodell fejlesztése ezután sem áll megaz üzembe helyezése. Hat hónapos munka után javul a modell minősége, egy év múlva pedig a felismerhetetlenségig fejlődik. Ha a kliens engedélyezte a naplózást, vagyis a hangasszisztens működése során az eseményekről szóló információk rögzítését, akkor minden hibaadat összegyűjtésre kerül, és felhasználható a modell átképzésére. A naplózás akkor válhat szükségessé, ha az asszisztens nem ismer fel bizonyos szavakat és kifejezéseket, vagy hibázik a kiejtésükben, például a gyógyszerek elnevezésében vagy a kézbesítési szolgáltatás választékában.
A Brand Voice létrehozása általában a felhőben történikkörnyezetbe, és megköveteli a személyes adatok használatát, ami gyakran biztonsági aggályokat vet fel az ügyfelek körében. És bár a felhőkkel szembeni bizalmatlanság elavult sztereotípia, de ha az ügyfél számára fontos, hogy az adatok ne lépjék túl a cég határát, akkor szigorúan a szervezet informatikai körén belül feldolgozhatók. A személyes adatokat a naplózás során is felhasználjuk, azok titkosságának biztosítása érdekében az adatokat anonimizáljuk.
Új munkaforgatókönyvek és kiegészítő képzések készítéseA Brand Voice modelljei egy folyamatos folyamat. Valójában egy kész hangmegoldás megrendelésével az ügyfél olyan szolgáltatást kap, amelyet folyamatosan fejlesztenek. Egy igazán jó minőségű hangos asszisztens nem csak egy egész call center személyzetét tudja észrevenni, hanem ragyogó akcentussá is válhat, amely egyedivé teszi a cég arculatát.
Olvass tovább
Elon Musk Noé bárkája egymillió embert visz a Marsra
Japán csillagászok ismeretlen szerkezetet találtak a galaxisban
Ismeretlen eredetű szablyát találtak Görögországban. A tudósok értetlenül állnak egy furcsa műtárgy előtt