Co to jest VAD w asystencie głosowym

Kiedy klient zaczyna mówić, a kiedy kończy

VAD ma dwa główne zastosowania w rozmowie. Pierwsze to wykrycie, że klient zaczął mówić, także wtedy, gdy sam agent jeszcze nie skończył swojej kwestii, czyli przerywanie wypowiedzi (barge-in). Drugie to wykrycie, że klient przestał mówić, co uruchamia wykrywanie końca wypowiedzi i decyzję, czy agent może już odpowiedzieć. Bez dobrego VAD system albo wskakuje w każdą pauzę na oddech, albo trzyma zbyt długą ciszę po zwykłym „tak”. Klient słyszy oba błędy od razu: pierwszy jako agenta, który wchodzi w słowo, drugi jako agenta, który zwleka.

Pauza w środku numeru PESEL

Pauza w środku dyktowania mogłaby zostać odczytana jako koniec wypowiedzi. System, który wie, że PESEL ma jedenaście cyfr, poczeka dłużej.

Echo i hałas w tle

Pierwszy kłopot to echo własnego głosu agenta, które wraca przez słuchawkę klienta, zwłaszcza gdy ktoś rozmawia na głośniku albo z zestawu w samochodzie. Bez usunięcia echa VAD mógłby uznać, że to klient mówi, choć w rzeczywistości słyszy własny głos systemu. Drugi kłopot to hałas w tle, jak telewizor czy szczekający pies, który VAD musi odróżnić od prawdziwej mowy, zanim zdecyduje, że agenta należy przerwać.

Sprawdź agenta z telefonu w samochodzie albo przy włączonym telewizorze, bo w cichym pokoju na demo tego nie usłyszysz.