Распознавание речи в контакт-центре: как проверить Speech-to-Text на звонках
Как работает распознавание речи во время и после звонка, какие ошибки влияют на результат обращения и по каким критериям принимать пилот Speech-to-Text.
«Перенесите запись на пятницу после четырёх… лучше после пяти». Для клиента это одна реплика. Для контакт-центра в ней есть условие, от которого зависит результат: подойдёт только время после пяти. Если агент ответит на первой паузе или потеряет поправку, клиенту придётся уточнять просьбу ещё раз.
Руководителю контакт-центра стоит проверить три вещи: что система распознала, как агент отреагировал и что сохранилось в рабочей системе. По этим трём результатам можно понять, готов ли сценарий к запуску и кому передать найденные проблемы.
Как распознавание речи работает во время и после звонка
Распознавание речи, или Speech-to-Text (STT), переводит голос в текст. В телефонном разговоре этот текст может понадобиться сразу или после завершения звонка.
Во время звонка потоковое распознавание речи обрабатывает звук по мере поступления. Система может возвращать промежуточный текст, пока человек ещё говорит. Если клиент продолжит фразу после паузы, предварительный вариант может измениться. Голосовой агент использует распознанную реплику, чтобы понять запрос. Дальше сценарий определяет, задать ли вопрос, дать ответ или обратиться к рабочей системе. Синтез речи озвучивает ответ агента.
После звонка транскрибация звонков превращает запись разговора клиента с оператором в текст. По расшифровке можно подготовить краткое резюме и сохранить договорённость в карточке обращения. В нашем примере расшифровка сохраняет обе формулировки клиента, включая поправку. Резюме фиксирует то, о чём стороны договорились: «Визит перенесён на пятницу, 17:30».