Aké sú spôsoby hlasovania robota
Existujú dva hlavné spôsoby hlasovania robota: pomocou syntézy reči alebo
Jedna z najznámejších metód syntézy reči je párnamedzi neprogramátormi - TTS. Počítač jednoducho číta a hovorí text. Pozoruhodným príkladom je syntéza Speech Services od spoločnosti Google, ktorú si môžete vypočuť v prekladači Google Translate. Ruská reč služby je veľmi ľahko odlíšiteľná od prirodzenej reči, čo je hlavný problém takejto syntézy. Na kladenie potrebného dôrazu použite SSML – označenie syntézy reči. Ale aj s tým je ťažké dosiahnuť zvuk ako profesionálny hlásateľ. Preto sme začali vyvíjať kvalitnú alternatívu.
Prečo potrebujete syntézu reči s premennými
Firmy aktívne využívajú možnosti hlasurobotov a snaží sa, aby ich reč bola príjemnejšia a personalizovaná smerom k zákazníkom. Personalizácia zvyšuje angažovanosť a lojalitu: 70 % spoločností využívajúcich pokročilú personalizáciu zaznamenalo 200 % alebo viac ROI svojho úsilia.
Aby bol hlas robota realistický, spoločnostinahrať hlas hlásateľa, herca alebo operátora kontaktného centra. Nevýhodou je, že všetky repliky sú statické. To je vhodné napríklad pre pokyny na zrušenie objednávky alebo informovanie o aktuálnych akciách. Obchodná komunikácia však obsahuje množstvo meniacich sa údajov – premenných.
Aby bol hlas robota realistický, spoločnosti nahrávajú hlas rozprávača, herca alebo operátora kontaktného centra. Nevýhodou je, že všetky repliky sú statické.
Napríklad na potvrdenie stretnutia na klinike:Meno pacienta, meno lekára, dátum a čas stretnutia. V prípade doručenia: celé meno klienta, číslo objednávky a jej obsah, množstvo a dodacia lehota. Každý záznam musí obsahovať individuálne parametre klienta alebo jeho požiadavky. A potom sa používa lepenie súborov, zvukové mixy alebo jednoducho robotické hlasové ovládanie.
Podstatou lepenia je, že vytvára„aplikácií“ z početných nahrávok hlásateľa. V prípade doručenia je potrebné zapísať asi 1,5 tisíca často sa vyskytujúcich ulíc, názvov miest, čísel domov a bytov. Ide o veľmi pracnú úlohu, ktorá si od vyhlasovateľa vyžaduje značné úsilie a čas. Po nahraní je potrebné zvukové súbory zlúčiť v správnom poradí. Profesionálny zvukár dokáže urobiť plynulé prechody medzi strihmi a pauzami, ale spojenia budú stále počuteľné a veľké množstvo zdrojových údajov robí takúto prácu zdrvujúcou. Vyskúšali sme túto možnosť, ale uvedomili sme si, že nie je vhodná na riešenie zložitých problémov.
Vieme, že niektoré spoločnosti sa snažia nájsť reproduktor s hlasom podobným štandardnému hlasu SpeechKit od Yandex alebo Google Speech. Ale v tomto prípade sú aj vložky počuteľné.
Snažili sme sa ho integrovať do voice-over nahrávokTTS. To znamená, že sme vopred nezaznamenali všetky názvy ulíc a miest, ale vygenerovali sme požadovanú frázu pomocou TTS na základe hlasu hlásateľa a vložili sme ju do vopred nahranej repliky hlásateľa. Výsledkom bola zmes emotívnej, živej reči človeka a robota.
Čokoľvek vyskúšame z rôznych nástrojov,Nemali sme dobrý výsledok. Výsledkom bolo, že sme vyvinuli vlastný algoritmus, ktorý sme nazvali hybridná syntéza. Táto technológia vám umožňuje rýchlo meniť frázy v hlasových nahrávkach pre hlasového robota; stačí odovzdať náhradu algoritmu. Syntetizovaná reč zároveň kopíruje intonáciu a emócie hovoriaceho, znie prirodzene a nevyčnieva z kontextu. Týmto spôsobom môžete vyjadriť akékoľvek premenné, ktoré neboli v pôvodnej nahrávke, ako aj testovať nové scenáre.
TTS
Ako funguje hybridná syntéza?
Prvou etapou je práca s vyhlasovateľmi.Na pokrytie rôznorodosti ruského jazyka bolo potrebné nahrať 10 hodín prejavu v profesionálnom štúdiu. Sú to frázy z kníh, správy a často sa vyskytujúce údaje: čísla, mená, adresy a mestá. To poskytuje dostatok tréningových údajov, po ktorých môžete začať vytvárať modely hybridnej syntézy pre každého rečníka.
Pre každý projekt robotického hovoru si vyhlasovateľ zapíše šablóny fráz, napríklad: „Dobrý deň,Sergej Petrovič! Zajtra Vám objednávku doručíme na Vašu adresuTverská ulica, 3s14 až 18hodiny.Bude to pre teba výhodné prijať?" Model hybridnej syntézy dokáže spracovať úlohy, ako keď je potrebné nahradiť Sergeja Petroviča Annou Vasilievnou, a adresu a čas - na ulicu Bolshaya Zelenina, 24 od 10:00 do 14:00. Výsledkom je nová replika so syntetizovanými premennými: „Dobrý deň,Anna Vasilievna! Zajtra Vám objednávku doručíme na Vašu adresuUlica Bolshaya Zelenina, 24s10 až 14hodiny. Bude to pre teba výhodné prijať?" Pre každý hovor do zákazníckej základne sa vytvorí a vykoná samostatná úloha.
Voiceover
Vysoká kvalita zvuku je dosiahnutá vďaka tomu, že neurónová sieť využíva intonácie a emócie hovoriaceho z príkladu.
Ako nastaviť hybridnú syntézu
Ponúkame niekoľko hotových modelovhybridná syntéza so ženskými a mužskými hlasmi. Volania šablón fungujú na platformách JAICP a JAICF; volania od robotov vytvorených v iných službách sú možné cez API. Nastavenie skriptu od začiatku trvá niekoľko hodín. Jedna syntetizovaná replika stojí 12 kopejok, voice-over šablóny pre projekt stojí 3 000 rubľov za hodinu práce hlásateľa.
Sada pripravených hlasov sa rozšíri.K dispozícii je aj možnosť využitia hybridnej syntézy Just AI s vytvorením modelu pre individuálne vybraného vyhlasovateľa alebo toho, kto je oficiálnym hlasom spoločnosti.
hybridná syntéza
Technológia hybridnej syntézy vám umožňuje personalizovať IVR a robotické hovory na účely prieskumov NPS, dotazníkov, upomienok, predaja a podpory vernostných programov.
Čítaj viac:
Čierna diera v galaxii dala Einsteinovi za pravdu. Hlavná vec
Vesmír ničí kosti a mení ich štruktúru: vedci nevedia, ako ľudia poletia na Mars
Astronómovia našli planéty, ktoré sú odlišné od Zeme, no vhodné pre život