Inteligentní "hovorci"
Hlas je prirodzeným komunikačným nástrojom. Mnoho ľudí chce problémy riešiť skôr verbálne ako
Hlasové technológie sa používajú v mnohých oblastiach,a sú vhodné pre každé publikum: deti zaujme interaktívny „hovorák“, mladí ocenia hlasové ovládanie inteligentných zariadení, starším prečíta novinky asistent. Hlasoví asistenti sú však najviac žiadaní v odvetviach, kde existuje veľa bodovej komunikácie so zákazníkmi – vo financiách, maloobchode a telekomunikáciách.
„Hlasové technológie sa používajú v mnohých oblastiach“
Veľké spoločnosti používajú hlastechnológia nie je prvým rokom. Od roku 2017 Bank of America prevádzkuje virtuálnu asistentku Erica. Mercedes-Benz od roku 2018 zavádza digitálny komplex používateľských skúseností (MBUX), ktorý rozumie hlasovým príkazom. Predajca Walmart spustil aplikáciu s hlasovým asistentom Ask Sam, ktorá pomáha zákazníkom s vyhľadávaním produktov. Podľa Adobe Analytics už 91 % značiek intenzívne investuje do hlasových riešení a plánuje zvýšiť investície. Ruský trh rečovej AI v najbližších piatich rokoch narastie z 38 na 81 % a v roku 2025 dosiahne úroveň 561 miliónov dolárov, predpovedá Just AI.
Verím – neverím
Podnikateľské hodnotenie efektívnosti implementáciehlasové technológie so zameraním na spokojnosť zákazníkov a lojalitu k značke. Mnoho zákazníkov však vníma inovácie so zdržanlivým nadšením. Podľa Voicebot.ai len 45 % používateľov chce vidieť hlasových asistentov v mobilných aplikáciách. Hlavnými dôvodmi nechuti je podľa Neuro.net nízka kvalita odpovedí a syntetická reč hlasových asistentov. Tieto problémy sú typické pre rozhrania postavené na technológiách minulej generácie. Moderné algoritmy strojového učenia umožňujú syntetizovať hlasy zbavené bezduchosti.
Ďalším limitujúcim faktorom je tohlasové technológie sa rozšírili tak v „dobrých“ scenároch z pohľadu klienta, ako aj v „zlých“. Spoločností špecializujúcich sa na vývoj hlasových rozhraní zatiaľ na trhu nie je až tak veľa a počet hlasov, ktoré môžu ponúknuť, je obmedzený. Ukazuje sa, že ak dnes človeka obťažujú reklamy alebo podvodné hovory a zajtra mu zazvoní užitočný hovor, komunikácia nebude úspešná, pretože „všetci roboti majú jeden hlas“. Ak dôjde k poškodeniu reputácie hlasového asistenta, efektivita hovorov užitočných pre klienta klesne na nulu. Preto vzniká Brand Voice – jedinečný hlas značky.
„Jedinečný hlas je dôležitou súčasťou značky, aslogo alebo firemné písmo. Stále viac našich zákazníkov používa túto funkciu a komunikuje so zákazníkmi jedinečnými hlasmi. Zaznamenávame súbor fráz s určitou intonáciou v hlase zamestnanca spoločnosti alebo hlásateľa. A početné dynamické údaje – telefónne čísla alebo adresy – samoučiaci sa systém automaticky generuje, pričom reprodukuje hlas zamestnanca a zachováva realistickú intonáciu. Takto spoločnosti automatizujú komunikáciu, no zachovávajú si lojalitu zákazníkov a zvyšujú konverziu: ľudia sú radi, že sa s nimi hovorí živým hlasom, a sú ochotní viesť dialóg.“
Ivan Artemiev, produktový riaditeľ MTT
Hovor model
Cena hotového hlasu značky začína od 150tisíc rubľov a závisí od rozsahu a zložitosti modelu hlasovej syntézy. Proces tvorby riešenia pozostáva z dvoch častí – technickej a logickej, za každú je zodpovedný samostatný produktový tím.
Dôležitým krokom v tejto časti je výber hlasu, nana ktorých sa bude syntetizovať reč. Hlas by mal intonačne odrážať tie atribúty značky, ktoré je pre spoločnosť dôležité propagovať. Profesionálny hlásateľ alebo dabingový herec bude musieť nahovoriť až 40 hodín jazykových konštrukcií pod nahrávkou. Nahrávka by mala byť kvalitná, bez zbytočného šumu a správna výslovnosť, pretože na tomto materiáli sa bude trénovať model hlasového robota.
Na trénovanie modelu a implementáciu plnohodnotnéhosyntéza trvá od mesiaca do šiestich mesiacov v závislosti od zložitosti. Ale technika ide dopredu a nahrávací čas v štúdiu sa postupne znižuje. Je možné, že v budúcnosti bude možné získať dobrého hlasového robota s použitím iba 2-3 hodín pôvodného zvuku.
„Náklady na hotový hlas značky začínajú od 150 000 rubľov“
Učenie umelej inteligencie
Keď je nahrávka hotová, začína sa tréninghlasový model. Spracuje nahraný materiál, naučí sa reprodukovať svoj hlas a vďaka tomu dokáže syntetizovať reč z ľubovoľného textu.
Na vyriešenie tejto triedy problémovTransformers je architektúra hlbokej neurónovej siete predstavená v roku 2017 výskumníkmi Google Brain. Najznámejšie transformátory sú neurónové siete GPT (Generative Pre-trained Transformer) neziskovej organizácie OpenAI. Táto technológia vám napríklad umožňuje najpresnejšie vyplniť medzeru alebo predpovedať ďalšie slovo vo fráze na základe predchádzajúcich slov.
Podľa tohto princípu sa vytvárajú hlasové značky.Hlasové riešenia. Natrénovaný model beží na obrovskom množstve dát – spúšťa sa niekoľko modelov s rôznymi parametrami a na výstupe sa vyberie ten najlepší. Je dôležité, aby robot správne „preložil“ text do hlasu, nerobil chyby vo výslovnosti a intonácii. Pre zlepšenie kvality syntézy je model ďalej trénovaný pre špecifické prípady použitia, čo vám umožňuje získať tie najprirodzenejšie znejúce hlasy.
kde je logika?
Sémantický obsah robota, jeho obchodná logika ascenáre interakcie s ľuďmi vznikajú v úzkom spojení so zákazníkom. Aby hlasový asistent priniesol biznisu maximálny úžitok, musíte dobre rozumieť tomu, ako je tento biznis organizovaný, s akými otázkami a v akých situáciách bude klient asistenta kontaktovať.
Vymýšľať prípady od začiatku je zlý nápad, logikaInterakcia s klientom musí byť skutočná. Ak sa asistent stretne s osobou na telefónnej linke, scenár je založený na poradenskom, predajnom alebo inom scenári - postupnosti akcií pracovníka call centra v dialógu s klientom. Pri príprave skriptu pre hlasového asistenta pomáha analyzovať požiadavky reálnych používateľov, rozhovory so zamestnancami, ktorí s nimi pravidelne komunikujú, či UX experimenty zamerané na zistenie skutočných potrieb ľudí.
"Ak sa asistent stretne s osobou na telefónnej linke, potom je scenár založený na konzultácii, predaji alebo inom scenári."
Mnoho zákazníkov sa pokúša vyjadriťasistent pomáhal klientom riešiť problémy, ktoré sami ťažko zvládajú. Napríklad na milosť a nemilosť robota je lepšie prenášať funkcie, ktoré sú „hlboko“ skryté alebo nie sú zrejmé pri práci v mobilnej aplikácii.
Irina Stepanova, dizajnérka a analytička konverzačných rozhraní v Just AI:„Musíte pochopiť, že na rôznych kanáloch je chat,aplikácia, telefón - klient sa správa inak. Preto si v prvom rade musíte dôkladne preštudovať mapu cesty zákazníka v tých kanáloch, kde plánujete implementovať hlasového asistenta. Vo vizuálnom rozhraní má klient menej možností, ako sa pomýliť – takmer všetko, čo služba ponúka, má pred očami. V hlasovom rozhraní používateľ až tak dobre nepociťuje obmedzenia služby a je potrebné zabezpečiť, aby osoba mohla asistentovi vysloviť požiadavku s dlhou frázou, v ktorej bude potrebné zvýrazniť významné frázy, ktorými program určí podstatu požiadavky. Samostatnou úlohou je navrhnúť offtopic skript, pre ktorý neexistuje žiadny hotový skript. Klient sa môže opýtať na čokoľvek. To, čo robí robota človekom, je variabilita odpovedí, keď na rovnakú otázku odpovedá rôznymi spôsobmi.“
Jeden z problémov vo vývoji hlasurozhranie - objaviteľnosť: ako zistiť, čo asistent dokáže a s čím môže pomôcť? Tu je potrebné konať proaktívne - hlasové zručnosti a schopnosti a sprevádzať používateľa scenárom, navrhovať ďalšie kroky, pomáhať mu v slepých uličkách, keď sa dostane do „vybavovania nerozpoznaných požiadaviek“. O schopnostiach asistenta môžete hovoriť aj mimo samotného asistenta: v reklame, mailingu a používaní iných marketingových nástrojov.
Hlasový asistent by mal nielen priniesťúžitok, ale tiež byť zaujímavým konverzátorom. Vývojári sa vždy snažia vložiť čo najviac do „mozgu“ Brand Voice a dať mu charakter a osobnosť.
Učenie je nepretržitý proces
Vývoj hlasového modelu sa nezastavuje ani potomjeho uvedenie do prevádzky. Po šiestich mesiacoch práce sa kvalita modelu zlepšuje a po roku sa vyvíja na nepoznanie. Ak klient povolil logovanie, teda zaznamenávanie informácií o udalostiach počas prevádzky hlasového asistenta, tak sa všetky chybové údaje zhromažďujú a používajú na pretrénovanie modelu. Protokolovanie môže byť potrebné, keď asistent nedokáže rozpoznať konkrétne slová a frázy alebo robí chyby v ich výslovnosti, napríklad v názvoch liekov alebo v sortimente doručovacej služby.
Vytváranie hlasu značky zvyčajne prebieha v cloudeprostredia a vyžaduje si používanie osobných údajov, čo u zákazníkov často vyvoláva obavy o bezpečnosť. A hoci je nedôvera ku cloudom zastaraný stereotyp, ak je pre klienta dôležité, aby dáta nepresahovali rámec firmy, dajú sa spracovať striktne v rámci IT okruhu organizácie. Osobné údaje sa využívajú aj pri prihlasovaní, aby bola zaistená ich dôvernosť, údaje sú anonymizované.
Tvorba nových pracovných scenárov a doplnkové školeniamodely pre Brand Voice je neustály proces. Klient totiž objednaním hotového hlasového riešenia získava službu, ktorá sa neustále zdokonaľuje. Skutočne kvalitný hlasový asistent si dokáže všimnúť nielen personál celého call centra, ale stane sa aj jasným akcentom, ktorý dodáva imidžu spoločnosti individualitu.
Čítaj viac
Noemova archa Elona Muska privedie na Mars milión ľudí
Astronómovia z Japonska našli v galaxii neznámu štruktúru
Šabľa neznámeho pôvodu nájdená v Grécku. Vedci sú zmätení zvláštnym artefaktom