Soniox STT v6: תמלול שמסנן את קול הסוכן הקולי
לפי Soniox, מודל STT v6 נעזר בטקסט שהסוכן הקולי אומר כדי לזהות את תגובת המשתמש ולסנן את קול הסוכן מהתמלול, גם כשהמשתמש מתפרץ לדבריו.
סוכן קולי צריך להקשיב גם כשהוא מדבר, אבל לא לטעות ולחשוב שהקול של עצמו הוא תשובת הלקוח. ב־3 בנובמבר הכריזה Soniox על STT v6, מודל לזיהוי דיבור שמקבל גם את הטקסט שהסוכן אומר, משתמש בו להבנת תגובת המשתמש ומסנן את קול הסוכן מהתמלול. למפתחים של שירות טלפוני או עוזר קולי בישראל, זו יכולת שכדאי לבחון דווקא ברגעים הקשים של השיחה: כשלקוח מתפרץ, מתקן או עונה לפני סוף השאלה.
מה השתנה: התמלול מקבל גם את הצד המדבר
החידוש המרכזי בהכרזה הוא לא רק ניסיון לזהות טוב יותר מילים מתוך אודיו. STT v6 מקבל מידע נוסף: הטקסט שהסוכן הקולי אומר. כך, לפי Soniox, תוכן השאלה או ההסבר של הסוכן יכול לשמש כהקשר לזיהוי התשובה, ובמקביל המודל מסנן מהתמלול את קולו של הסוכן עצמו. אלה שני תפקידים משלימים: להבין את האדם, ולהימנע מהכנסת הדיבור של המכונה למסלול שמיועד לקלט אנושי.
אפשר להמחיש את הצורך בשיחה לתיאום פגישה. הסוכן מציע מועד, והמשתמש עונה בקצרה עוד לפני שההצעה הושלמה. מערכת התמלול נדרשת להתמודד עם תשובה חלקית, עם דיבור חופף ולעיתים גם עם קול הסוכן שחוזר דרך הרמקול והמיקרופון. זהו תרחיש שימוש אפשרי, לא תוצאה של בדיקה שערכנו: ההכרזה מספקת סיבה לבחון אותו, אך אינה מוכיחה כיצד המודל יתנהג בכל סביבת אודיו.
לפי החברה, המודל זמין גם לתמלול בזמן אמת וגם לעיבוד הקלטות, ומציע שיפורים ביותר מ־60 שפות. עבור צוות מוצר חשוב להפריד בין שני מסלולי השימוש. בהקלטה אפשר לבחון את התוצאה לאחר סיום השיחה; בזמן אמת צריך לבדוק גם אם התמלול מגיע במועד שמאפשר למערכת לפעול בלי לקטוע את המשתמש או להתעכב בתגובה.
מה ההכרזה לא מוכיחה על איכות הסוכן
היכולת לסנן את קול הסוכן רלוונטית לבעיה מוכרת בתכנון שיחות: מערכת עלולה לקבל את הדיבור שהיא עצמה השמיעה כקלט חדש. במוצר שתוכנן להגיב לכל קלט כזה, הטעות יכולה להתגלגל לעצירה מיותרת או לתגובה לא קשורה. Soniox מכוונת לצמצום המצבים האלה בלי להפסיק להקשיב לאדם שמתחיל לדבר בזמן ההשמעה.
תמלול טוב לשיחה אינו רק זיהוי המילים שנאמרו, אלא גם הימנעות מהפיכת קול הסוכן לבקשה חדשה של המשתמש.
עם זאת, רכיב זיהוי הדיבור אינו הסוכן כולו. גם אם התמלול נקי, מערכת ניהול השיחה עדיין צריכה להחליט מתי לעצור את ההשמעה, האם המשתמש סיים לדבר ומה לעשות עם התיקון שלו. לכן אין להסיק מהכרזת STT v6 שסוכן שמשלב אותו יידע בהכרח לנהל הפרעות באופן טבעי. זה תלוי גם בחיבור בין זיהוי הדיבור, יצירת התשובה והשמעתה.
הנתונים כאן מבוססים על הכרזת Soniox, לא על מבחן עצמאי. התחקיר אינו כולל מדדי דיוק בעברית, זמני תגובה או תמחור, ולכן אין בסיס לקבוע שהמודל עדיף או זול יותר מהפתרון שכבר משולב אצלכם.
המבחן הישראלי: עברית, שמות והתפרצות באמצע משפט
לעסק ישראלי, הצהרה על שיפורים בעשרות שפות היא נקודת פתיחה, לא אישור התאמה לעברית. בשירות מקומי כדאי לבדוק שיחה שמשלבת עברית ואנגלית, שמות יישובים, שמות פרטיים ומונחים של העסק. לפני הכול יש לאמת מול הספק את התמיכה הנדרשת. התחקיר שסופק אינו מפרט תוצאות בעברית, ואין להסיק אותן ממספר השפות הכולל.
במקום להסתפק בהדגמה שבה אדם ממתין בנימוס לסיום כל שאלה, כדאי להכין אוסף תרחישים המבוסס על השירות המתוכנן. לדוגמה, עסק לתיקוני בית יכול לבחון לקוח שמתקן כתובת בזמן שהסוכן מקריא אותה; מוקד תיאום יכול לבדוק שינוי מועד באמצע אישור ההזמנה. מטרת הבדיקה היא לראות אם נשמרת כוונת הלקוח, לא רק אם התמליל נראה מסודר.
- תיקון תוך כדי השמעה: המשתמש משנה פרט בזמן שהסוכן חוזר עליו. בדקו שהתיקון נקלט ושדברי הסוכן אינם מופיעים כתשובת המשתמש.
- תשובה קצרה וחופפת: המשתמש אומר ״לא״ או ״רגע״ לפני סוף השאלה. בדקו שהמערכת אינה מסננת גם את ההתערבות האנושית.
- מעבר בין שפות: שלבו שם מוצר באנגלית בתוך משפט בעברית, בהתאם לאוצר המילים האמיתי של השירות.
- שיחה ברמקול: בחנו החזרה של קול הסוכן למיקרופון לצד קול המשתמש, בתנאים שמדמים את סביבת השימוש.
- פרטים רגישים לטעות: בדקו כתובות, תאריכים ומספרי הזמנה, וודאו שמנגנון האישור של הסוכן מאפשר לתקן אותם.
להשוואה שימושית, הריצו את אותם תרחישים מול רכיב התמלול הקיים ומול STT v6, ככל שהממשקים מאפשרים זאת. הפרידו בין טעות בזיהוי מילה, זליגה של קול הסוכן לתמלול ותגובה שגויה של מערכת השיחה. ההפרדה חשובה: החלפת מנוע תמלול לא בהכרח תפתור תקלה שמקורה בהחלטה מתי להפסיק לדבר.
למי כדאי לבדוק את הכלי, ומה לברר לפני שילוב
STT v6 הוא מועמד לבדיקה בעיקר לצוותים שבונים סוכנים קוליים וצריכים להתמודד עם דיבור חופף או עם תמלול עצמי של הסוכן. למי שמעבד הקלטות בלבד, עצם הזמינות לעיבוד הקלטות רלוונטית, אבל הערך המעשי של ההקשר הנוסף תלוי בחומר הקלט ובאפשרות להעביר את טקסט הסוכן. ההכרזה אינה מספקת הצדקה להחלפה גורפת של כל מערכת תמלול.
לפני פיילוט, כדאי לברר כיצד מעבירים את טקסט הסוכן ומעדכנים אותו במהלך השיחה, אילו מגבלות חלות על אודיו ועל שפות, ומהם תנאי השמירה והעיבוד של המידע. בעסק ישראלי שמטפל בפרטים אישיים, צריך לכלול בבדיקה גם את ההרשאות להעברת הקלטות ואת התחייבויות הספק. אלה שאלות רכש ואינטגרציה, לא יכולות שאפשר להניח מתוך ההודעה.
השורה התחתונה: Soniox מציעה לטפל בנקודת כשל ממוקדת וחשובה, ההפרדה בין מה שהסוכן אומר לבין מה שהאדם משיב. זה בסיס טוב לפיילוט מצומצם עם תנאי הצלחה מוגדרים, כגון קליטת תיקונים והפחתת תמלול עצמי. ההחלטה לאמץ את הכלי צריכה להישען על שיחות מהסוג שהמוצר באמת ינהל, ובישראל בעיקר על בדיקה קפדנית של עברית בתנאי שימוש אמיתיים.
שאלות נפוצות
מה חדש ב־Soniox STT v6?
לפי Soniox, המודל מקבל את הטקסט שהסוכן הקולי אומר ומשתמש בו כהקשר לזיהוי תשובת המשתמש, ובמקביל מסנן את קול הסוכן מהתמלול. הוא זמין לתמלול בזמן אמת ולעיבוד הקלטות.
האם Soniox STT v6 מתאים לתמלול בעברית?
Soniox מדווחת על שיפורים ביותר מ־60 שפות, אך בתחקיר המצורף אין פירוט שמאפשר לקבוע את איכות התמלול בעברית. לפני שילוב במוצר ישראלי צריך לאמת תמיכה ולבדוק שיחות בעברית, שילוב אנגלית, שמות מקומיים ודיבור חופף.
האם STT v6 מונע מסוכן קולי להפריע לעצמו?
סינון קולו של הסוכן מהתמלול נועד לצמצם מצבים שבהם המערכת מפרשת את הדיבור שלה כקלט מהמשתמש. הוא אינו מחליף את מנגנוני ניהול השיחה, שאחראים להחליט מתי לעצור את ההשמעה וכיצד להגיב להתפרצות של המשתמש.
דרגו את הכתבה
הדירוג עוזר לנו לדעת מה שווה לכם.
תגובות