Bir botu seslendirmenin yolları nelerdir?
Bir botu seslendirmenin iki ana yolu vardır: konuşma sentezini kullanmak veya
En ünlü konuşma sentezi yöntemlerinden biri bileprogramcı olmayanlar arasında - TTS. Bilgisayar sadece metni okur ve konuşur. Çarpıcı bir örnek, Google Çeviri tercümanında duyulabilen Google'ın Konuşma Hizmetlerinin sentezidir. Hizmetin Rusça konuşmasını, böyle bir sentezin temel sorunu olan doğal konuşmadan ayırmak çok kolaydır. Gerekli vurguyu yapmak için SSML - konuşma sentezi işaretlemesini kullanın. Ancak bununla bile profesyonel bir spiker gibi bir ses elde etmek zordur. Bu nedenle yüksek kaliteli bir alternatif geliştirmeye başladık.
Neden değişkenlerle konuşma sentezine ihtiyacınız var
İşletmeler sesin yeteneklerini aktif olarak kullanıyorbotlar ve müşterilere karşı konuşmalarını daha keyifli ve kişisel hale getirmeye çalışıyor. Kişiselleştirme, etkileşimi ve bağlılığı artırır: Gelişmiş kişiselleştirmeyi kullanan şirketlerin %70'i, çabalarından %200 veya daha fazla yatırım getirisi elde etti.
Botun sesini gerçekçi kılmak için şirketlerзаписывают голос диктора, актера или оператора контакт-центра. Минус в том, что все реплики получаются статические. Это подойдет, например, для инструкции по отмене заказа или информирования о текущих акциях. Но в сообщениях бизнеса много меняющихся данных — переменных.
Bir botun sesini gerçekçi kılmak için şirketler bir anlatıcının, aktörün veya iletişim merkezi operatörünün sesini kaydeder. Dezavantajı ise tüm kopyaların statik olmasıdır.
Örneğin, bir klinikteki randevuyu onaylamak için:Hastanın adı, doktorun adı, randevu tarihi ve saati. Teslimat durumunda: müşterinin tam adı, sipariş numarası ve içeriği, tutarı ve teslimat süresi. Her giriş, müşterinin veya isteğinin bireysel parametrelerini içermelidir. Daha sonra dosya yapıştırma, ses miksajları veya basitçe robotik seslendirme kullanılır.
Yapıştırmanın özü, yaratmasıdırSpikerin çok sayıda kaydından “uygulamalar”. Teslimat durumunda yaklaşık 1,5 bin sık karşılaşılan cadde, şehir adı, ev ve apartman numarasını yazmanız gerekmektedir. Bu, spikerin önemli çaba ve zamanını gerektiren, çok emek yoğun bir görevdir. Kayıttan sonra ses dosyalarının doğru sırayla birleştirilmesi gerekir. Profesyonel bir ses mühendisi, kesmeler ve duraklamalar arasında yumuşak geçişler yapabilir, ancak kavşaklar yine de duyulabilir olacaktır ve büyük miktarda kaynak verisi, bu tür işleri çok zor hale getirir. Bu seçeneği denedik ancak karmaşık sorunları çözmeye uygun olmadığını fark ettik.
Bazı şirketlerin Yandex veya Google Speech'ten standart SpeechKit sesine benzer sese sahip bir hoparlör bulmaya çalıştığını biliyoruz. Ancak bu durumda ekler de duyulabilir.
Seslendirme kayıtlarına entegre etmeye çalıştıkTTS. Yani tüm sokak ve şehir adlarını önceden kaydetmedik, ancak TTS kullanarak spikerin sesine göre istenen cümleyi oluşturduk ve bunu önceden kaydedilmiş spikerin kopyasına yerleştirdik. Sonuç, bir kişinin ve bir robotun duygusal, canlı konuşmasının bir karışımıydı.
Çeşitli enstrümanlardan ne denersek deneyelim,İyi bir sonuç alamadık. Sonuç olarak hibrit sentez adını verdiğimiz kendi algoritmamızı geliştirmeye başladık. Bu teknoloji, bir ses botu için seslendirme kayıtlarındaki ifadeleri hızlı bir şekilde değiştirmenize olanak tanır; yalnızca değiştirmeyi algoritmaya aktarmanız yeterlidir. Aynı zamanda sentezlenmiş konuşma, konuşmacının tonlamasını ve duygularını kopyalar, kulağa doğal gelir ve bağlamdan öne çıkmaz. Bu şekilde, orijinal seslendirme kaydında bulunmayan değişkenleri seslendirebilir ve yeni senaryoları test edebilirsiniz.
TTS
Hibrit sentez nasıl çalışır?
İlk aşama spikerlerle çalışmaktır.Rus dilinin çeşitliliğini ortaya koymak için profesyonel bir stüdyoda 10 saatlik konuşmanın kaydedilmesi gerekiyordu. Bunlar kitaplardan, haberlerden ve sık sık ortaya çıkan verilerden alınan ifadelerdir: sayılar, isimler, adresler ve şehirler. Bu, yeterli eğitim verisi sağlar ve ardından her konuşmacı için hibrit sentez modelleri oluşturmaya başlayabilirsiniz.
Her otomatik çağrı projesi için spiker ifade şablonlarını yazar, örneğin: "Merhaba,Sergei Petroviç! Yarın siparişinizi adresinize teslim edeceğizTverskaya caddesi, 3İle14 ila 18saat.Bunu kabul etmeniz sizin için uygun olur mu?” Hibrit sentez modeli, Sergei Petrovich'in Anna Vasilyevna ile değiştirilmesi gerektiği gibi görevleri ve Bolshaya Zelenina Caddesi 24'teki adres ve saati sabah 10'dan akşam 14'e kadar işleyebilir. Sonuç, sentezlenmiş değişkenlere sahip yeni bir kopyadır: "Merhaba,Anna Vasilyevna! Yarın siparişinizi adresinize teslim edeceğizBolşaya Zelenina caddesi, 24İle10 ila 14saat. Bunu kabul etmeniz sizin için uygun olur mu?” Müşteri tabanına yapılan her çağrı için ayrı bir görev oluşturulur ve yürütülür.
seslendirme
Sinir ağının örnekteki konuşmacının tonlamalarını ve duygularını kullanması nedeniyle yüksek ses kalitesi elde edilir.
Hibrit sentez nasıl kurulur
Birkaç hazır model sunuyoruzkadın ve erkek sesleriyle hibrit sentez. Şablon çağrıları JAICP ve JAICF platformlarında çalışır; API aracılığıyla diğer hizmetlerde oluşturulan botlardan çağrı yapmak mümkündür. Bir betiği sıfırdan oluşturmak birkaç saat sürer. Sentezlenmiş bir kopyanın maliyeti 12 kopek, bir proje şablonunun seslendirmesi ise spikerin çalışma saati başına 3.000 rubleye mal oluyor.
Hazır sesler seti genişleyecektir.Ayrıca, bireysel olarak seçilen bir spiker veya şirketin resmi sesi olan bir model oluşturma ile Just AI hibrit sentezini kullanma seçeneği de vardır.
melez sentez
Hibrit sentez teknolojisi, NPS anketleri, anketler, hatırlatıcılar, satış ve sadakat programları için destek amacıyla IVR ve robotik çağrıları kişiselleştirmenize olanak tanır.
Daha fazla oku:
Galaksideki bir kara delik Einstein'ın haklı olduğunu kanıtladı. Ana fikir
Uzay kemikleri yok eder ve yapılarını değiştirir: bilim adamları insanların Mars'a nasıl uçacağını bilmiyor
Gökbilimciler Dünya'dan farklı, ancak yaşam için uygun gezegenler buldular.