Google以豐富的對話情境資訊改進(jìn)客服中心AI的語音識別能力

2018年Next大會上推出的人工智能預(yù)包裝服務(wù)客服中心AI（Contact Center AI），現(xiàn)在Google透過增加人工智能理解對話情境的方法，進(jìn)一步強(qiáng)化虛擬代理人語音識別的能力，用戶現(xiàn)在還可以更靈活地自訂定義Speech Context類別，減少人工智能對于文字概念混淆的問題。

Google提到，即便客服中心虛擬代理人的語音識別精準(zhǔn)度達(dá)90％，但是比起實(shí)驗(yàn)室，實(shí)際使用環(huán)境以及雜訊的影響，在部分情況下，仍然會使得自動語音識別的結(jié)果變得很糟，因此現(xiàn)在Google進(jìn)一步更新客服中心AI所使用的技術(shù)，特別是在Dialogflow以及云端語音轉(zhuǎn)文字兩服務(wù)，以提升辨識品質(zhì)。

Dialogflow讓用戶能夠在網(wǎng)頁、行動應(yīng)用程式或是熱門的傳訊平臺，建構(gòu)對話服務(wù)，而這次更新，Google為Dialogflow加入了自動語音調(diào)適能力（Auto Speech Adaptation），以對話情境資訊，解決虛擬代理人混淆單字發(fā)音的問題。

由于許多單字的讀音很相似，在電話中可能無法很清楚傳遞，像是cheese和these的發(fā)音，還有可能把mail誤翻成male或nail，但是當(dāng)虛擬代理人知道這些對話背景，發(fā)生在速食餐廳或是商品退貨時，便不容易混淆這些字。用戶只要在Dialogflow控制臺中，將自動語音調(diào)適功能打開，就能讓語音識別準(zhǔn)確度上升40％以上。

Google也改進(jìn)了互動式語音應(yīng)答（IVR）以及電話虛擬代理人，所使用的云端語音轉(zhuǎn)文字基線模型，而這將會使語音轉(zhuǎn)錄的結(jié)果更好，Google以電話用語的常用短句最佳化了該模型，使得新模型的表現(xiàn)，在美國英文上的辨識準(zhǔn)確度提高15％，再加上自動語音調(diào)適功能，還能進(jìn)一步提升辨識的品質(zhì)。

開發(fā)人員在使用云端語音轉(zhuǎn)文字服務(wù)時，能使用SpeechContext參數(shù)來控制情境資訊，讓語音轉(zhuǎn)錄更加精確，以讓虛擬代理人更精準(zhǔn)地辨識企業(yè)產(chǎn)品等特定名詞。

而現(xiàn)在Google在SpeechContext中新增類別，而預(yù)定義的類別則對應(yīng)到流行或是通用的概念上，使用情境像是在數(shù)字溝通時，4個數(shù)字的組合可能代表年、時間或是金錢，而開發(fā)者可以在SpeechContext類別，調(diào)校整個自動語音識別的單字列表，改善輸入語音的轉(zhuǎn)錄結(jié)果。

不過，Google也提到，使用SpeechContext這樣的工具，會增加部分短句被擷取的機(jī)率，這可能降低了語音有提及卻沒出現(xiàn)在轉(zhuǎn)錄文字上的錯誤，但同時也會增加語音未提及卻出現(xiàn)在轉(zhuǎn)錄文字的情形，自動語音調(diào)適的強(qiáng)度需要權(quán)衡結(jié)果進(jìn)行調(diào)整，而SpeechContext的Boost功能解決了開發(fā)者這樣的煩惱，可以自動為使用案例調(diào)整語音調(diào)適的最佳強(qiáng)度。

過去云端語音轉(zhuǎn)語音服務(wù)，處理語音只能以1分鐘為單位，而這對于需要較長時間轉(zhuǎn)錄文字的使用案例，像是會議、即時影片或是電話等是個大問題，現(xiàn)在Google將處理語音時間上限提高至5分鐘，而且API也允許開發(fā)人員開啟新的串流對話，來接續(xù)前一個串流對話，以做到無限時間的串流語音轉(zhuǎn)錄文字。