همه محصولات

طراحی نوبت صحبت دستیار صوتی با هوش مصنوعی

مشخص کنید دستیار از کجا بفهمه حرف تماس‌گیرنده تموم شده، چه موقع باید مکث کنه و اگر کاربر وسط جواب حرف زد، صدا و وضعیت مکالمه چطور هماهنگ بمونن.

طراحی نوبت صحبت دستیار صوتی با هوش مصنوعی برای حل مشکلیه که در متن گفت‌وگو همیشه دیده نمی‌شه. ممکنه کاربر برای به یاد آوردن تاریخ کمی مکث کنه و دستیار اون مکث رو پایان جمله حساب کنه. یا تماس‌گیرنده وسط پاسخ بگه «نه، هفته بعد» اما بخشی از صدای قبلی هنوز پخش بشه. اسکیل voice-turn-taking این وضعیت‌ها رو جدا می‌کنه تا راه واحدی روی همه مکث‌ها و قطع کردن‌ها اعمال نشه.

هنگام قطع صحبت دستیار، متوقف کردن صدا همیشه به معنی لغو کاری که شروع شده نیست. مثلا شاید پخش جمله متوقف بشه ولی زمان رزرو در سامانه تغییر کرده باشه. می‌تونید برای توقف صدا، ثبت بخش واقعا شنیده‌شده و تشخیص نتیجه ابزار قواعد جدا بنویسید. بعد در آزمایش، هم چیزی رو که تماس‌گیرنده شنیده بررسی کنید و هم وضعیتی رو که ایجنت برای نوبت بعدی در نظر گرفته.

کاربردها

  • برای پایان جمله، تفاوت مکث کوتاه در میانه پاسخ با تمام شدن درخواست رو بررسی کنید.
  • در قطع کردن صحبت، مشخص کنید چه مقدار از صدای قبلی باید متوقف بشه.
  • برای تاریخچه مکالمه، قسمت پخش‌شده رو از متنی که فقط تولید شده جدا نگه دارید.
  • در تشخیص نوبت، یک صدای تایید کوتاه رو با اصلاح جدی درخواست اشتباه نگیرید.
  • برای تست صوتی، مکث، حرف روی حرف و برگشت به موضوع قبلی رو جدا امتحان کنید.

نصب و استفاده

  1. اسکیل رو نصب کنید و قواعد مکالمه و رویدادهای در دسترس سرویس صوتی‌تون رو به ایجنت بدید. برای تایید رفتار واقعی به یک محیط تست مجاز یا نمونه صوتی دارای اجازه نیاز دارید.
  2. مثلا بگید «وقتی کاربر وسط شنیدن تاریخ جلسه می‌گه نه، فردا، پخش قبلی متوقف بشه. توضیح بده کدوم بخش در تاریخچه می‌مونه و چه چیزی باید دوباره تایید بشه.»
  3. آزمایش رو با شنیدن صدا و خوندن رخدادها بررسی کنید. برای هر توقف معلوم کنید مکالمه از چه وضعیت تاییدشده‌ای ادامه پیدا کرده.

سوالات متداول

منبع

ساخته Rob Strayer. نام اصلی: voice-turn-taking، منتشرشده در GitHub با مجوز MIT.

مشاهده در GitHub