История развития и будущее технологии распознавания речи
Оригинал: Clark Boyd
Будущее однозначно за голосовым поиском. Компания ComScore сделала прогноз, по которому к
2020 году примерно половина всех запросов будет осуществляться голосом.
Давайте отправимся в путешествие по истории возникновения и развития технологии и узнаем, как быть к
будущему, в котором управление голосом станет обыденной вещью.
Как это было
В нашу жизнь технология распознавания речи пришла совсем недавно — благодаря умным помощникам в наших
смартфонах и колонках. И получила ряд восторженных откликов от того, что машина может не просто понять,
о чем мы говорим, но и ответить нам — по делу, иногда с юмором и иронией.
Мы говорим примерно в четыре-пять раз быстрее, чем пишем. Логичный вопрос: почему же технологические
компании только сейчас начали предоставлять возможности голосового управления?
На самом деле идея создания некой машины для распознания речи возникла примерно в XVIII веке.
Тогда-то и произошли первые сдвиги в направлении развития технологии.
Именно в этот период произошло главное достижение — создание Говорящей машины Фабера, которая базировалась
на человеческой анатомии воспроизведения звука и является первым синтезатором речи. Конечно, темпы
технологического развития той эпохи не позволяли изобретателям пойти дальше, чем механическая машина.
Но, их наработки стали незаменимыми для открытий, которым суждено было появиться намного позже.
В конце 19 века Томас Эдисон создал диктофон, который позволил делать записи голоса, но пока не распознавания.
Он полюбился врачам, секретарям и другим профессиям, в которых необходимо было много записывать.
Первые технологии распознавания
Технология распознавания впервые стала реальностью только в 1952 году. Команда изобретателей компании
Bell Labs создала машину Audrey, которая распознавала цифры от 0 до 9 с точностью до 90%, когда говорил
изобретатель, и от 70% до 80%, когда цифры называли другие участники эксперимента.
Это определило главные проблемы распознавания — тембр голоса, скорость речи, произношение, диалекты,
акценты и непоследовательность разговорного языка. Эти факторы стали основными препятствиями для
масштабирования использования системы.
В 1971 году на базе Университета Карнеги Мелон изобретатель Александр
Вейбель создал Гарпи — машину, которая понимала 1011 слов. Вот его слова по этому поводу:
“Например, у вас есть слово “euthanasia”, которое машина может также распознать как “youth in Asia”.
Или же вы говорите “Give me a new display”, а машина может понять это как “give me a nudist play”.
Все машины изобретенные до 1990-х годов, даже самые инновационные, работали, сравнивая между собой сохраненные
шаблоны, в которых звуковые волны переводились в числовые наборы. И если звуки были идентичными,
машина определяла их. Это срабатывало только в случае четкой, медленной речи без фоновых шумов.
Но в 1986 году произошел серьезный прорыв в технологии. Компания IBM, используя скрытые модели Маркова,
создала машину Tangora, которая могла распознавать и печатать до 20 тысяч слов на английском языке.
На то время она была самой быстрой машинисткой, но ей необходимо было около 20 минут, чтобы приспособиться
к голосу диктора. Эта машина стала знаковой для развития технологии распознавания речи.
В 1997 году был создана компьютерная программа, Dragon's NaturallySpeaking. Она отличалась тем, что
могла непрерывно распознавать до 100 слов в минуту. То есть, диктору не было необходимости делать паузы между словами.
Система машинного обучения совершила прорыв в технологии распознавания. Благодаря машинному обучению в 2008
году Google запустил приложение Google Voice Search для iPhone. Большой объем данных, позволил приложению
обучиться и сделать большой скачок в результатах, если сравнивать с предыдущими технологиями распознавания.
В конце ХХ столетия машины научились распознавать речь с точностью выше 90%.
Новый этап распознавания речи: голосовые боты
Это привело нас к новой главе распознавания речи: голосовым ботам, которые стали фундаментом для создания
полноценных голосовых помощников: Google Assistant, Siri, Cortana, Alexa и других. И если изначально функции
голосовых помощников были “заточены” под смартфоны, то за последние несколько лет концепция приложений,
которые активируются голосом, поменялась. Теперь местом обитания голосовых помощников стали практически все
домашние приборы, а в сфере технологий появился термин “Интернет вещей”. Исследование Google показало, что
более 50% пользователей готовы перейти к системе “умного дома”, в котором приборы поддерживаются голосовыми командами.
Бизнес также быстро нашел применение голосовым ботам. Появились электронные секретари, которые всегда на связи,
все успевают и ничего не забывают, боты, которые информируют клиентов о новинках, скидках и акциях на товары,
проводят опросы и обрабатывают входящие звонки. А благодаря технологии Google Speech-to-Text, которая
включает в себя не только голосовую транскрипцию и автоматическую пунктуацию, голосовые боты готовы заменить
собой операторов колл-центров.
Голосовой бот Keycall Salesbot
Используя сервис Cloud Speech-to-Text, ранее известный как API Cloud Speech, наша компания, Keycall Salesbot, создала инструмент, позволяющий использовать технологию распознавания для умного автоматического обзвона. В зависимости от ответов собеседника наш голосовой бот, как и живой человек, строит дальнейший диалог. Уникальность распознавания Keycall Salesbot в том, что мы самостоятельно адаптировали его под диалекты разных регионов Украины и суржик. Мы распознаем любые ответы с точностью до 98%, независимо от того, на каком они языке — русском, украинском или их смеси.
Технологии распознавания речи продолжают развиваться огромными темпами. Согласно исследованию
Oracle,
более 50% клиентов считают, что любой бизнес и поддержка должны быть доступны 24/7. Естественно, только боты,
в том числе и голосовые, могут справиться с такой глобальной задачей.
Именно поэтому, наша компания сейчас работает над разработкой, которая позволит голосовому боту не только
совершать звонки, но и принимать входящие, озвучивать цифры и адреса. Это поможет бизнесам всегда быть на
связи и оказывать поддержку клиентам.
Рекомендуем почитать
Теги в статье:
Голосовой бот
Искусственный интеллект
Развитие
Хотите узнать еще больше о голосовом боте?
Раз в неделю мы отправляем дайджест с разбором реальных кейсов наших клиентов, новостями в мире digital и практичными советами для бизнеса.
это поле необходимо заполнить
это поле заполнено некорректно
Спасибо, можете проверить почту!
Разработанная нами технология позволяет записать реплики менеджера на аудио, а ответы клиента мы распознаем при помощи технологии Google Speach API с идентификацией ответов до 98%.
Для каждого возможного ответа клиента мы прописываем скрипт с репликами и озвучиваем их. В процессе автоматического обзвона голосовой бот, который одновременно прозванивает несколько номеров, строит диалог в зависимости от ответов абонентов. Технология подбирает реплику, как и менеджер ведет диалог с клиентом, обрабатывая возражения или собирая обратную связь.
Все диалоги записываются и распределяются системой по категориям — заинтересованные, не интересуются, задают вопросы и другие.
Голосовой бот от Keycall:
- актуализирует и структурирует базу;
- проводит NPS-опросы (опросы лояльности) в сжатые сроки и собирает обратную связь;
- оповещает существующих/новых/потенциальных клиентов об акции/спецпредложении;
- приглашает на ивент/вебинар, подтверждает присутствие/участие, вовремя напоминает/продает билеты, выявляет заинтересованных;
- снижает нагрузку на менеджеров по продажам, позволяя им закрывать больше сделок.
- Работаем под ключ (от задачи до решения) и сразу озвучиваем полную стоимость проекта.
- Фиксированная стоимость звонка.
- Вы платите только за успешные разговоры (не дозвонились/автоответчик - не заплатили).
- Нет по секундной/поминутной тарификации и отдельных платежей за распознавание.
- Гибкая система платежей, без фиксированных ставок и скрытых доплат.
В структуру проекта входит:
- разработка нескольких скриптов экспертом;
- запись диктором;
- тестирование скрипта реальными звонками на вариативность и правильность ответов;
- постоянная аналитика результатов;
- “донастройка” скрипта для повышения конверсионности;
90% наших клиентов — постоянные. Это потому, что мы единственные предоставляем клиентам УСЛУГУ заработка и экономии денег с помощью автозвонков, а не просто даем инструмент.
Мы прослушали и проанализировали 3 млн звонков в более, чем 10 нишах, среди них: агросектор, инфобизнес, обучение, организация выставок, форумов и семинаров, недвижимость и автопром. На основе этих данных наши специалисты разработали авторскую методологию по составлению скриптов для голосовых роботов и подход к работе над проектами.
Ключевой фактор успеха в автозвонках — правильно продуманные текст и механика скрипта. Мы предлагаем инструмент (нашу технологию) + весь наш опыт и экспертность.
Свяжитесь с нами
Следите за новостями
