ผู้ช่วยเสียงคืออะไร? & Siri และ Alexa เข้าใจสิ่งที่คุณพูดได้อย่างไร?

การเก็บคำพูด

การรวบรวมคำพูดมีความสำคัญเนื่องจากผู้ช่วยเสียงควรได้รับการฝึกอบรมเกี่ยวกับข้อมูลที่เกี่ยวข้องกับอุตสาหกรรมและธุรกิจที่ให้บริการ นอกจากนี้ ข้อมูลคำพูด ควรมีตัวอย่างสถานการณ์ที่เกี่ยวข้องและเจตนาของลูกค้าเพื่อให้มั่นใจว่าคำสั่งและข้อร้องเรียนสามารถเข้าใจได้ง่าย

ในการพัฒนาผู้ช่วยเสียงคุณภาพสูงที่จัดไว้ให้ลูกค้าของคุณ คุณจะต้องฝึกอบรมแบบจำลองเกี่ยวกับตัวอย่างคำพูดของบุคคลที่เป็นตัวแทนของลูกค้าของคุณ ประเภทของข้อมูลคำพูดที่คุณจัดหาควรมีความคล้ายคลึงกันทางภาษาศาสตร์และข้อมูลประชากรกับกลุ่มเป้าหมายของคุณ

คุณควรพิจารณา

• อายุ
• ประเทศ
• เพศ
• ภาษา

ประเภทของข้อมูลคำพูด

สามารถใช้ข้อมูลเสียงพูดประเภทต่างๆ ได้ตามความต้องการและข้อกำหนดของโครงการ ตัวอย่างข้อมูลคำพูดบางส่วน ได้แก่

• สคริปต์คำพูด

  ข้อมูลเสียงพูดที่มีคำถามหรือวลีที่เขียนไว้ล่วงหน้าและตามสคริปต์ใช้เพื่อฝึกระบบตอบกลับด้วยเสียงแบบโต้ตอบอัตโนมัติ ตัวอย่างของข้อมูลคำพูดที่เขียนไว้ล่วงหน้า ได้แก่ 'ยอดเงินในธนาคารปัจจุบันของฉันคือเท่าไร' หรือ 'จะถึงกำหนดชำระครั้งต่อไปสำหรับการชำระเงินด้วยบัตรเครดิตของฉันเมื่อใด'

• บทสนทนา

  ในขณะที่พัฒนาผู้ช่วยเสียงสำหรับแอปพลิเคชันการบริการลูกค้า การฝึกอบรมแบบจำลองเกี่ยวกับบทสนทนาหรือการสนทนาระหว่างลูกค้าและธุรกิจเป็นสิ่งสำคัญ บริษัทต่างๆ ใช้ฐานข้อมูลการโทรของการบันทึกการโทรจริงเพื่อฝึกโมเดล หากไม่มีการบันทึกการโทรหรือในกรณีที่มีการเปิดตัวผลิตภัณฑ์ใหม่ สามารถใช้บันทึกการโทรในสภาพแวดล้อมจำลองเพื่อฝึกโมเดลได้

• คำพูดที่เกิดขึ้นเองหรือไม่มีสคริปต์

  ไม่ใช่ลูกค้าทุกรายที่ใช้รูปแบบคำถามตามสคริปต์กับผู้ช่วยเสียงของตน นั่นเป็นเหตุผลที่จำเป็นต้องฝึกแอปพลิเคชันเสียงเฉพาะเกี่ยวกับข้อมูลคำพูดที่เกิดขึ้นเองซึ่งผู้พูดใช้คำพูดเพื่อสนทนา

  น่าเสียดายที่มีความแปรปรวนของคำพูดและความหลากหลายของภาษามากกว่า และการฝึกแบบจำลองเพื่อระบุคำพูดที่เกิดขึ้นเองนั้นต้องการข้อมูลจำนวนมาก แต่เมื่อ เทคโนโลยีจดจำและปรับตัวจะสร้างโซลูชันที่ขับเคลื่อนด้วยเสียงที่ได้รับการปรับปรุง

การถอดความและการตรวจสอบความถูกต้องของข้อมูลคำพูด

หลังจากรวบรวมข้อมูลคำพูดที่หลากหลายแล้ว จะต้องมีการถอดเสียงอย่างถูกต้อง ความแม่นยำของการฝึกแบบจำลองขึ้นอยู่กับความพิถีพิถันของการถอดความ เมื่อการถอดความรอบแรกเสร็จสิ้น จะต้องได้รับการตรวจสอบโดยผู้เชี่ยวชาญด้านการถอดความกลุ่มอื่น การถอดความควรรวมถึงการหยุดชั่วคราว การซ้ำซ้อน และคำที่สะกดผิด

คำอธิบายประกอบ

หลังจากการถอดความข้อมูล ถึงเวลาสำหรับคำอธิบายประกอบและการแท็ก

คำอธิบายประกอบความหมาย

เมื่อข้อมูลคำพูดได้รับการถอดความและตรวจสอบแล้ว จะต้องมีคำอธิบายประกอบ ตามกรณีการใช้งานผู้ช่วยเสียง ควรกำหนดหมวดหมู่ตามสถานการณ์ที่อาจต้องรองรับ แต่ละวลีของข้อมูลที่ถอดเสียงจะอยู่ภายใต้หมวดหมู่ตามความหมายและเจตนา

ชื่อการรับรู้เอนทิตี

เป็นขั้นตอนก่อนการประมวลผลข้อมูล การรับรู้เอนทิตีที่มีชื่อเกี่ยวข้องกับการรับรู้ข้อมูลที่จำเป็นจากข้อความที่ถอดเสียงและจัดประเภทเป็นหมวดหมู่ที่กำหนดไว้ล่วงหน้า

NER ใช้การประมวลผลภาษาธรรมชาติเพื่อดำเนินการ NER โดยระบุเอนทิตีในข้อความก่อนและจัดหมวดหมู่เหล่านี้ไว้ในหมวดหมู่ต่างๆ เอนทิตีอาจเป็นอะไรก็ได้ที่มีการพูดคุยหรืออ้างถึงในข้อความอย่างต่อเนื่อง ตัวอย่างเช่น อาจเป็นบุคคล สถานที่ องค์กร หรือการแสดงออก

Humanizing ปัญญาประดิษฐ์

ผู้ช่วยเสียงได้กลายเป็นส่วนสำคัญในชีวิตประจำวันของเรา เหตุผลของการนำไปใช้ที่เพิ่มขึ้นอย่างเป็นปรากฎการณ์นี้คือพวกเขานำเสนอประสบการณ์ลูกค้าที่ไร้รอยต่อในทุกขั้นตอนของเส้นทางการขาย ลูกค้าต้องการหุ่นยนต์ที่ใช้งานง่ายและเข้าใจได้ และธุรกิจก็เจริญรุ่งเรืองด้วยแอปพลิเคชันที่ไม่ทำลายภาพลักษณ์ของตนบนอินเทอร์เน็ต

ความเป็นไปได้เพียงอย่างเดียวที่จะบรรลุเป้าหมายนี้คือการทำให้ผู้ช่วยเสียงที่ขับเคลื่อนด้วย AI มีมนุษยธรรม อย่างไรก็ตาม การฝึกเครื่องให้เข้าใจคำพูดของมนุษย์เป็นเรื่องที่ท้าทาย อย่างไรก็ตาม ทางออกเดียวคือการจัดหาฐานข้อมูลคำพูดที่หลากหลายและใส่คำอธิบายประกอบเพื่อตรวจจับอารมณ์ของมนุษย์อย่างแม่นยำ ความแตกต่างของคำพูด และอารมณ์

การช่วยเหลือธุรกิจในการพัฒนาผู้ช่วยเสียงระดับไฮเอนด์สำหรับความต้องการที่หลากหลายคือ Shaip – ​​ผู้ให้บริการคำอธิบายประกอบที่เป็นที่ต้องการ การเลือกผู้ที่มีประสบการณ์และฐานความรู้ที่มั่นคงย่อมดีกว่าเสมอ Shaip มีประสบการณ์หลายปีที่ทุ่มเทให้กับอุตสาหกรรมต่าง ๆ เพื่อยกระดับ ผู้ช่วยอัจฉริยะ ความสามารถ ติดต่อเราเพื่อทราบวิธีที่เราสามารถปรับปรุงความสามารถของผู้ช่วยเสียงของคุณ

[อ่านเพิ่มเติม: คู่มือฉบับสมบูรณ์สำหรับ AI การสนทนา]