Google以丰富的对话场景信息,改进客服中心AI的语音识别能力

2018年Next大会上推出的人工智能预包装服务客服中心AI(Contact Center AI),现在Google通过增加人工智能理解对话场景的方法,进一步强化虚拟代理人语音识别的能力,用户现在还可以更灵活地自订定义SpeechContext类别,减少人工智能对于文本概念混淆的问题。

Google提到,即便客服中心虚拟代理人的语音识别精准度达90%,但是比起实验室,实际使用环境以及噪声的影响,在部分情况下,仍然会使得自动语音识别的结果变得很糟,因此现在Google进一步更新客服中心AI所使用的技术,特别是在Dialogflow以及云计算语音转文本两服务,以提升识别品质。

Dialogflow让用户能够在网页、移动应用程序或是热门的通讯平台,构建对话服务,而这次更新,Google为Dialogflow加入了自动语音调适能力(Auto Speech Adaptation),以对话场景信息,解决虚拟代理人混淆单词发音的问题。

由于许多单词的读音很相似,在电话中可能无法很清楚传递,像是cheese和these的发音,还有可能把mail误翻成male或nail,但是当虚拟代理人知道这些对话背景,发生在速食餐厅或是商品退货时,便不容易混淆这些字。用户只要在Dialogflow控制台中,将自动语音调适功能打开,就能让语音识别准确度上升40%以上。

Google也改进了交互式语音应答(IVR)以及电话虚拟代理人,所使用的云计算语音转文本基线模型,而这将会使语音转录的结果更好,Google以电话用语的常用短句优化了该模型,使得新模型的表现,在美国英文上的识别准确度提高15%,再加上自动语音调适功能,还能进一步提升识别的品质。

开发人员在使用云计算语音转文本服务时,能使用SpeechContext参数来控制场景信息,让语音转录更加精确,以让虚拟代理人更精准地识别企业产品等特定名词。

而现在Google在SpeechContext中添加类别,而预定义的类别则对应到流行或是通用的概念上,使用场景象是在数字沟通时,4个数字的组合可能代表年、时间或是金钱,而开发者可以在SpeechContext类别,调校整个自动语音识别的单词列表,改善输入语音的转录结果。

不过,Google也提到,使用SpeechContext这样的工具,会增加部分短句被截取的机率,这可能降低了语音有提及却没出现在转录文本上的错误,但同时也会增加语音未提及却出现在转录文本的情形,自动语音调适的强度需要权衡结果进行调整,而SpeechContext的Boost功能解决了开发者这样的烦恼,可以自动为使用案例调整语音调适的最佳强度。

过去云计算语音转语音服务,处理语音只能以1分钟为单位,而这对于需要较长时间转录文本的使用案例,像是会议、即时视频或是电话等是个大问题,现在Google将处理语音时间上限提高5分钟,而且API也允许开发人员打开新的串流对话,来继续前一个串流对话,以做到无限时间的串流语音转录文本。