Stemmeassistenter kan være disse seje, overvejende kvindestemmer, der reagerer på dine anmodninger om at finde den nærmeste restaurant eller den korteste vej til indkøbscentret. De er dog mere end blot en stemme. Der er en avanceret stemmegenkendelsesteknologi med NLP, AI og talesyntese, der giver mening i dine stemmeanmodninger og handler derefter.
Ved at fungere som en kommunikationsbro mellem dig og enhederne er stemmeassistenter blevet det værktøj, vi bruger til næsten alle vores behov. Det er værktøjet, der lytter, forudsiger vores behov intelligent og skrider til handling efter behov. Men hvordan gør den dette? Hvordan kan populære assistenter lide Amazon Alexa, Apple Siri og Google Assistant forstå os? Lad os finde ud af det.
Her er nogle få stemmestyret personlig assistent statistikker, der vil blæse dit sind. I 2019 var det samlede antal stemmeassistenter globalt fastsat til 2.45 milliarder. Hold vejret. Dette tal forventes at nå 8.4 milliarder i 2024 – mere end verdensbefolkningen.
Hvad er en stemmeassistent?
En stemmeassistent er en applikation eller et program, der bruger stemmegenkendelsesteknologi og naturlig sprogbehandling til at genkende menneskelig tale, oversætte ord, svare præcist og udføre de ønskede handlinger. Stemmeassistenter har dramatisk ændret, hvordan kunder søger og giver onlinekommandoer. Derudover har stemmeassistentteknologi forvandlet vores daglige enheder såsom smartphones, højttalere og wearables til intelligente applikationer.
Punkter at huske på, når du interagerer med digitale assistenter
Formålet med stemmeassistenter er at gøre det lettere for dig at interagere med din enhed og fremkalde det passende svar. Men når dette ikke sker, kan det blive frustrerende.
Det er ikke sjovt at have en ensidig samtale, og før det kan blive til en råbekamp med en applikation, der ikke reagerer, er her nogle ting, du kan gøre.
Hold det nede og giv det tid
Når du ser din tone, får du arbejdet gjort - selv når du interagerer med stemmeassistenter, der drives af kunstig intelligens. I stedet for at skrige på f.eks. Google Startside når den ikke reagerer, prøv at tale i en neutral tone. Giv derefter maskinen tid til at behandle dine kommandoer.
Opret profiler til almindelige brugere
Du kan gøre stemmeassistenten smartere ved at oprette profiler for dem, der jævnligt bruger den, såsom dine familiemedlemmer. Amazon Alexa, for eksempel, kan genkende stemmen fra op til 6 personer.
Hold anmodningerne enkle
Din stemmeassistent, f.eks Google Assistant, arbejder måske på avanceret teknologi, men det kan bestemt ikke forventes at fortsætte en næsten menneskelignende samtale. Når stemmeassistenten ikke er i stand til at forstå konteksten, vil den generelt ikke være i stand til at komme med et præcist svar.
Vær villig til at afklare anmodninger
Ja, hvis du kan fremkalde et svar ved første gang, så vær klar til at gentage eller svare for at afklare. Prøv at omformulere, forenkle eller omformulere dine spørgsmål.
Hvordan uddannes stemmeassistenter (VA'er)?
Udvikler og træning af en konversations-AI-model kræver meget træning, så maskinen kan forstå og gentage menneskelig tale, tænkning og reaktioner. At træne en stemmeassistent er en kompleks proces, der løber fra taleindsamling, annotering, validering og test.
Inden du udfører nogen af disse processer, er det afgørende at indsamle omfattende information om projektet og dets specifikke krav.
Kravsamling
For at muliggøre en næsten menneskelignende forståelse og interaktion, skal ASR'en tilføres store mængder taledata, der imødekommer de specifikke projektkrav. Derudover udfører forskellige stemmeassistenter forskellige opgaver, og hver især har brug for en bestemt type træning.
Eksempelvis en smart home højttaler som f.eks Amazon Echo designet til at genkende og reagere på instruktioner skal skelne stemmer fra andre lyde såsom blendere, støvsugere, plæneklippere og mere. Derfor skal modellen trænes på taledata simuleret under et lignende miljø.
Talesamling
Taleindsamling er afgørende, da stemmeassistenten bør trænes i data relateret til den branche og virksomhed, den betjener. Hertil kommer taledata skal have eksempler på relevante scenarier og kundens hensigt for at sikre, at kommandoerne og klagerne er let forståelige.
For at udvikle en stemmeassistent af høj kvalitet, der serverer dine kunder, vil du gerne træne modellen på taleprøver af de personer, der repræsenterer dine kunder. Den type taledata, du anskaffer, bør sprogligt og demografisk svare til din målgruppe.
Du bør overveje,
- Alder
- Land
- Køn
- Sprog
Typer af taledata
Forskellige taledatatyper kan bruges baseret på projektets krav og specifikationer. Nogle af eksemplerne på taledata omfatter
Scriptet tale
Taledata, der indeholder forudskrevne og scriptede spørgsmål eller sætninger, bruges til at træne et automatisk interaktivt stemmesvarssystem. Eksempler på foruddefinerede taledata omfatter: "Hvad er min nuværende banksaldo?" eller "Hvornår er den næste forfaldsdato for min kreditkortbetaling?"Dialogtale
Mens man udvikler en stemmeassistent til en kundeserviceapplikation, er det vigtigt at træne modellen i en dialog eller samtale mellem en kunde og en virksomhed. Virksomheder bruger deres opkaldsdatabase over optagelser af rigtige opkald til at træne modellerne. Hvis opkaldsoptagelser ikke er tilgængelige eller i tilfælde af nye produktlanceringer, kan opkaldsoptagelser i et simuleret miljø bruges til at træne modellen.Spontan eller uskrevet tale
Ikke alle kunder bruger det scriptede format med spørgsmål til deres stemmeassistenter. Det er derfor, specifikke stemmeapplikationer skal trænes i spontane taledata, hvor taleren bruger deres ytringer til at konversere.Desværre er der større talevarians og sproglig mangfoldighed, og træning af en model til at identificere spontan tale kræver enorme mængder data. Men hvornår teknologi husker og tilpasser sig, skaber det en forbedret stemmedrevet løsning.
Taledata, der indeholder forudskrevne og scriptede spørgsmål eller sætninger, bruges til at træne et automatisk interaktivt stemmesvarssystem. Eksempler på foruddefinerede taledata omfatter: "Hvad er min nuværende banksaldo?" eller "Hvornår er den næste forfaldsdato for min kreditkortbetaling?"
Mens man udvikler en stemmeassistent til en kundeserviceapplikation, er det vigtigt at træne modellen i en dialog eller samtale mellem en kunde og en virksomhed. Virksomheder bruger deres opkaldsdatabase over optagelser af rigtige opkald til at træne modellerne. Hvis opkaldsoptagelser ikke er tilgængelige eller i tilfælde af nye produktlanceringer, kan opkaldsoptagelser i et simuleret miljø bruges til at træne modellen.
Ikke alle kunder bruger det scriptede format med spørgsmål til deres stemmeassistenter. Det er derfor, specifikke stemmeapplikationer skal trænes i spontane taledata, hvor taleren bruger deres ytringer til at konversere.Transskription og validering af taledata
Efter en række forskellige taledata er indsamlet, skal de transskriberes nøjagtigt. Nøjagtigheden af modeltræningen afhænger af transskriptionens omhyggelighed. Når den første runde af transskription er færdig, skal den valideres af en anden gruppe af transskriptionseksperter. Transskriptionen skal indeholde pauser, gentagelser og fejlstavede ord.
Annotation
Efter transskriptionen af data er det tid til annotering og tagging.
Semantisk kommentar
Når taledataene er blevet transskriberet og valideret; det skal kommenteres. Baseret på taleassistentens brugssag, bør kategorier defineres afhængigt af de scenarier, den muligvis skal understøtte. Hver sætning i de transskriberede data vil blive mærket under en kategori baseret på betydning og hensigt.
Navngivet enhedsgenkendelse
Da det er et dataforbehandlingstrin, involverer navngiven enhedsgenkendelse genkendelse af væsentlig information fra den transskriberede tekst og klassificering af dem i foruddefinerede kategorier.
NER bruger naturlig sprogbehandling til at udføre NER ved først at identificere enheder i teksten og placere disse i forskellige kategorier. Entiteterne kan være hvad som helst, der konstant diskuteres eller henvises til i teksten. Det kan for eksempel være en person, et sted, en organisation eller et udtryk.
Humanisering af kunstig intelligens
Stemmeassistenter er blevet en integreret del af vores hverdag. Årsagen til denne fænomenale stigning i adoptionen er, at de tilbyder en problemfri kundeoplevelse på alle stadier af salgsrejsen. En kunde efterspørger en intuitiv og forstående robot, og en virksomhed trives med en applikation, der ikke pletter sit image på internettet.
Den eneste mulighed for at opnå dette ville være at humanisere en AI-drevet stemmeassistent. Det er dog udfordrende at træne en maskine til at forstå menneskelig tale. Den eneste løsning er dog at anskaffe en række forskellige taledatabaser og annotere dem for at detektere menneskelige følelser nøjagtigt, talenuancer og følelser.
Shaip hjælper virksomheder med at udvikle en avanceret stemmeassistent til forskellige behov – den eftertragtede annoteringstjenesteudbyder. At vælge en person med erfaring og en solid videnbase er altid bedre. Shaip har mange års dedikeret erfaring med catering til forskellige industrier for at forbedre deres intelligent assistent kapaciteter. Kontakt os for at vide, hvordan vi kan forbedre dine stemmeassistentkompetencer.
[Læs også: Den komplette guide til Conversational AI]
