Quali sono i modi per dare voce a un bot
Esistono due modi principali per dare voce a un bot: utilizzare la sintesi vocale o
Uno dei metodi di sintesi vocale più famosi è anchetra i non programmatori - TTS. Il computer semplicemente legge e pronuncia il testo. Un esempio lampante è la sintesi dei servizi vocali di Google, che può essere ascoltata nel traduttore di Google Translate. È molto facile distinguere il linguaggio russo del servizio dal linguaggio naturale, che è il problema principale di tale sintesi. Per porre l'enfasi necessaria, utilizzare SSML - markup di sintesi vocale. Ma anche con questo, è difficile ottenere il suono di un annunciatore professionista. Pertanto, abbiamo iniziato a sviluppare un'alternativa di alta qualità.
Perché hai bisogno della sintesi vocale con variabili
Le aziende utilizzano attivamente le funzionalità della vocebot e si impegna a rendere il loro discorso più piacevole e personalizzato nei confronti dei clienti. La personalizzazione aumenta il coinvolgimento e la lealtà: il 70% delle aziende che utilizzano la personalizzazione avanzata hanno ottenuto un ROI pari o superiore al 200% sui propri sforzi.
Per rendere realistica la voce del bot, le azienderegistrare la voce di un annunciatore, attore o operatore di contact center. Lo svantaggio è che tutte le repliche sono statiche. Ciò è adatto, ad esempio, per istruzioni sull'annullamento di un ordine o per informare sulle promozioni in corso. Ma le comunicazioni aziendali contengono molti dati mutevoli: variabili.
Per rendere realistica la voce di un bot, le aziende registrano la voce di un narratore, attore o operatore di contact center. Lo svantaggio è che tutte le repliche sono statiche.
Ad esempio, per confermare un appuntamento in una clinica:Nome del paziente, nome del medico, data e ora dell'appuntamento. Nel caso di consegna: nome completo del cliente, numero dell'ordine e suo contenuto, importo e tempi di consegna. Ogni voce deve contenere parametri individuali del cliente o della sua richiesta. E poi vengono utilizzati l'incollaggio di file, i mix audio o semplicemente la recitazione vocale robotica.
L'essenza dell'incollaggio è che crea“applicazioni” da numerose registrazioni dell'annunciatore. In caso di consegna è necessario annotare circa 1,5 mila strade, nomi di città, numeri civici e di appartamenti ricorrenti. Questo è un compito molto laborioso che richiede impegno e tempo significativi da parte dell'annunciatore. Dopo la registrazione, i file audio devono essere uniti nella sequenza corretta. Un tecnico del suono professionista può effettuare transizioni fluide tra i tagli e inserire le pause, ma le giunzioni saranno comunque udibili e grandi quantità di dati sorgente rendono questo lavoro travolgente. Abbiamo provato questa opzione, ma ci siamo resi conto che non era adatta a risolvere problemi complessi.
Sappiamo che alcune aziende stanno cercando di trovare un oratore con una voce simile alla recitazione vocale standard SpeechKit di Yandex o Google Speech. Ma in questo caso anche gli inserti sono udibili.
Abbiamo provato a integrarlo nelle registrazioni della voce fuori campoTTS. Cioè, non abbiamo registrato in anticipo tutti i nomi delle strade e delle città, ma abbiamo generato la frase desiderata utilizzando TTS in base alla voce dell'annunciatore e l'abbiamo inserita nella replica dell'annunciatore preregistrata. Il risultato è stato un misto di discorso emotivo e dal vivo di una persona e di un robot.
Qualunque cosa proviamo da vari strumenti,Non abbiamo ottenuto un buon risultato. Di conseguenza, siamo arrivati a sviluppare il nostro algoritmo, che abbiamo chiamato sintesi ibrida. Questa tecnologia ti consente di modificare rapidamente le frasi nelle registrazioni fuori campo per un bot vocale; devi solo passare la sostituzione all'algoritmo. Allo stesso tempo, il discorso sintetizzato copia l'intonazione e le emozioni di chi parla, suona naturale e non si distingue dal contesto. In questo modo, puoi dare voce a tutte le variabili che non erano nella registrazione originale della voce fuori campo, nonché testare nuovi scenari.
TTS
Come funziona la sintesi ibrida?
La prima fase è lavorare con gli annunciatori.Per coprire la diversità della lingua russa è stato necessario registrare 10 ore di discorso in uno studio professionale. Si tratta di frasi tratte da libri, notizie e dati ricorrenti: numeri, nomi, indirizzi e città. Ciò fornisce dati di addestramento sufficienti, dopodiché puoi iniziare a creare modelli di sintesi ibridi per ciascun oratore.
Per ogni progetto robocall, l'annunciatore scrive modelli di frasi, ad esempio: "Ciao,Sergej Petrovich! Domani consegneremo il tuo ordine al tuo indirizzoVia Tverskaja, 3Con14-18ore.Ti sarà conveniente accettarlo?” Il modello di sintesi ibrida può elaborare compiti come quando è necessario sostituire Sergei Petrovich con Anna Vasilyevna, e l'indirizzo e l'ora - in via Bolshaya Zelenina, 24 dalle 10:00 alle 14:00. Il risultato è una nuova replica con variabili sintetizzate: “Ciao,Anna Vasilievna! Domani consegneremo il tuo ordine al tuo indirizzoVia Bolshaya Zelenina, 24Con10 a 14ore. Ti sarà conveniente accettarlo?” Per ogni chiamata alla base clienti, viene creata ed eseguita un'attività separata.
Voce fuoricampo
L'elevata qualità del suono si ottiene grazie al fatto che la rete neurale utilizza le intonazioni e le emozioni di chi parla nell'esempio.
Come impostare la sintesi ibrida
Offriamo diversi modelli già prontisintesi ibrida con voci femminili e maschili. Le chiamate modello funzionano sulle piattaforme JAICP e JAICF; le chiamate da bot creati in altri servizi sono possibili tramite l'API. L'impostazione di uno script da zero richiede diverse ore. Una replica sintetizzata costa 12 centesimi, la voce fuori campo di un modello per un progetto costa 3.000 rubli per ogni ora di lavoro dell'annunciatore.
L'insieme delle voci già pronte si espanderà.C'è anche un'opzione che utilizza la sintesi ibrida Just AI con la creazione di un modello per un annunciatore selezionato individualmente o che è la voce ufficiale dell'azienda.
sintesi ibrida
La tecnologia di sintesi ibrida consente di personalizzare le chiamate IVR e robotiche ai fini di sondaggi NPS, questionari, promemoria, upsale e supporto per programmi di fidelizzazione.
Leggi di più:
Un buco nero nella galassia ha dato ragione a Einstein. La stessa cosa
Lo spazio distrugge le ossa e cambia la loro struttura: gli scienziati non sanno come le persone voleranno su Marte
Gli astronomi hanno trovato pianeti diversi dalla Terra, ma adatti alla vita