Co to jest barge-in w asystencie głosowym

Echo, kaszel i prawdziwe przerwanie

Agent słucha przez cały czas, także wtedy, gdy sam mówi. System najpierw usuwa z dźwięku echo własnej wypowiedzi, a potem mechanizm wykrywania aktywności głosowej (VAD) sprawdza, czy w tym, co zostało, jest ludzki głos, a nie szum. Jeśli głos jest i trwa dość długo, system zatrzymuje syntezę mowy i przekazuje modelowi to, co powiedział klient.

Agent nie dokończył listy terminów i do piątku nie wrócił. W historii rozmowy zostaje tylko to, co klientka zdążyła usłyszeć.

Dokończyć zdanie czy zamilknąć od razu

Są momenty, w których agent powinien dokończyć zdanie mimo wszystko, na przykład na samym początku rozmowy, gdy przedstawia się jako system AI: do takiej informacji zobowiązuje art. 50 AI Act, a przerwana w pół słowa niczego nie komunikuje. Z drugiej strony, przy odczytywaniu danych do potwierdzenia, jak data czy adres, przerwanie powinno działać bez zwłoki, żeby klient mógł od razu poprawić błąd. Sama czułość zależy od tego, jak system radzi sobie z fałszywymi przerwaniami wywołanymi przez kaszel i hałas w tle.

Dostawcy różnią się tu wyraźnie: jedni pozwalają ustawić czułość osobno dla różnych momentów rozmowy, inni mają jeden przełącznik na całość.

Zanim podpiszesz umowę, sprawdź to na próbnej rozmowie telefonicznej, a nie z opisu w ofercie.