Ali umetni glasovi danes zvenijo naravno? Iskrena ocena kakovosti glasu telefonske tajnice z umetno inteligenco

Pred dvema letoma se je umetna inteligenca, ki se je oglasila na vaš telefon, izdala že v prvih treh besedah. Danes večina klicateljev konča pogovor brez najmanjšega pomisleka — nekateri pa celo vztrajajo, da so govorili s človekom. Pa kaj torej drži? Tukaj je iskren sprehod skozi kakovost glasu telefonske tajnice z umetno inteligenco: kaj danes resnično zveni naravno, kje se še vidijo šivi in zakaj bi morali zaupati lastnim ušesom bolj kot kateri koli brošuri.

Če vodite podjetje in tehtate, ali bi pustili, da na vaše klice odgovarja programska oprema, je glas bistvo vsega. Zamujen klic je izgubljena rezervacija, klic, na katerega odgovori nekaj, kar zveni kot navigacija iz leta 2005, pa je verjetno še slabši — klicatelju sporoča, da vam ni bilo dovolj mar, da bi se oglasili, in da se niste potrudili niti zveneti človeško. Zato pravo vprašanje ni »ali je umetni glas impresiven?«, temveč »ali bi to moja stranka opazila in ali bi ji bilo mar?«

Ta članek na to odgovarja tako jasno, kot znamo. Sami razvijamo telefonskega asistenta z umetno inteligenco, torej imamo v igri svoj interes — in prav zato vas bomo usmerili na edini preizkus, ki ne laže: pokličite ga sami in prisluhnite. Nobena količina besed tega ne razreši. A preden to storite, vam pomaga vedeti, na kaj morate biti pozorni.

Iskren povzetek: boljše, kot mislite, a ne popolno

Sklep postavimo na začetek, preostanek članka pa porabimo, da si ga zaslužimo. Sodobna sinteza govora je prestopila prag, kjer v kratkem, osredotočenem telefonskem pogovoru večina klicateljev ne more zanesljivo ugotoviti, da je glas sintetičen. Robotske enolične intonacije ni več. Vdihi, majhna oklevanja, naravno dviganje in spuščanje višine glasu — tisto, kar vaši možgani uporabljajo, da presodijo »to je človek« — je večinoma prisotno.

A »večina klicateljev, večino časa, v kratkih klicih« v tem stavku opravlja pomembno delo. Podaljšajte pogovor, vrzite vanj resnično nenavadno prošnjo ali pozorno prisluhnite šivom in znaki se pokažejo. Tehnologija je hkrati zelo dobra in nepopolna, kdor vam prodaja »zajamčeno nerazločljivo od človeka«, pa prodaja. Resnicoljubna različica je bolj uporabna: dovolj dobra je, da glas ni več razlog za zavrnitev.

Zakaj so glasovi nenadoma postali dobri

Skoraj celotno preteklo desetletje je bil računalniški govor sestavljen — nasekljani posnetki glasovnega igralca, zlepljeni skupaj, ali starejši pogon, ki je napovedoval en glasovni delec naenkrat. Deloval je v smislu, da se podnapis bere. Nikoli pa ni tekel, ker človeški govor ni niz neodvisnih glasov; način, kako izgovorite besedo, je odvisen od besede pred njo, oblike stavka in od tega, ali sprašujete ali pripovedujete.

Preobrat je prišel, ko so se modeli naučili ustvariti cel izrek kot en neprekinjen kos zvoka, oblikovan po pomenu in ločilih tega, kar je izrečeno. Zato sodoben glas ve, da mora dvigniti na koncu vprašanja, upočasniti pri telefonski številki in pustiti, da se stavčni del izteče tako, kot ljudje resnično počnemo. Ne bere — igra repliko. Ta ena sama sprememba je odgovorna za večino preskoka, ki ste ga slišali.

Kaj »naravno« dejansko pomeni med telefonskim klicem

»Naravno« je ohlapna beseda, zato jo razdelimo na stvari, ki jih dejansko lahko slišite. Telefonski pogovor je naraven, ko štiri stvari hkrati zdržijo. Če katera koli od njih manjka, celoten klic deluje čudno, tudi če so druge brezhibne.

• Barva glasu — surov zvok glasu: ima toplino, dih in teksturo resnične osebe ali plosk sijaj stroja?
• Prozodija — melodija in ritem: poudarki na pravih besedah, vprašanja, ki se dvignejo, stavki, ki ne pristanejo vsi na isti dobi.
• Tempo in izmenjava besede — odgovarjanje s pogovorno hitrostjo in vedenje, kdaj ste zaključili stavek in kdaj ste le zastali sredi misli.
• Okrevanje — kaj se zgodi, ko klicatelj prekine, zamomlja, si premisli ali vpraša nekaj povsem nepričakovanega.

Tukaj je ključni uvid za ocenjevanje katere koli telefonske tajnice z umetno inteligenco: barva glasu in prozodija sta v bistvu rešeni; tempo in okrevanje sta tam, kjer živijo prave razlike. Dva izdelka lahko uporabljata glas, ki v izolaciji zveni enako človeško, med živim klicem pa se zdita svetova narazen, ker eden gladko obvladuje neurejene človeške trenutke, drugi pa se zaplete. Ko preizkušate, usmerite pozornost na zadnji dve, ne na prvi dve.

Znaki, ki ga še vedno izdajo

Razdelek iskrenosti. Če veste, na kaj poslušati, lahko sintetični glas še vedno ujamete pogosteje, kot bi predlagal marketing. Nobeden od teh znakov ni razlog za zavrnitev poslovne telefonske linije, a pretvarjati se, da ne obstajajo, bi bilo žaljivo do vaše pameti.

Prekinitve in prekrivanje

Ljudje si nenehno in gladko segamo v besedo. Začnemo stavek, slišimo, da začne drugi, in mu prepustimo besedo, ne da bi zgrešili dobo. Umetna inteligenca postaja dobra v ustavljanju ob prekinitvi — funkcija se imenuje barge-in — a okrevanje po tem je tam, kjer se lahko zamaje. Prekinite jo sredi stavka in šibkejši sistem lahko ponovno zažene cel stavek, izgubi nit ali obmolkne za odtenek predolgo, preden se zbere. Dober sistem prekinitev vsrka in nadaljuje. To je najbolj razkrivajoč preizkus, ki ga lahko izvedete.

Čustveni razpon pod pritiskom

Za nevtralen, prijazen klic za rezervacijo so današnji glasovi prepričljivo topli. Zapeljite jih v močno čustvo — resnično razburjen klicatelj, sarkazem, nekdo, ki se šali — in glas ostane umirjen na način, kot človek ne bi. Ne bo zvenel točno hladno, a ne bo se ujel z energijo klicatelja tako, kot to stori bistra človeška tajnica. Za večino podjetij je to v redu; miren, umirjen glas je povsem dobra privzeta izbira. A je znak in iskren razlog, da najbolj občutljivih, čustvenih klicev ne usmerjate skozi avtomatizacijo.

Resnično nenavadna prošnja

Barva glasu zdrži. Kar se zlomi, je vsebina, in glas se za vsebino spusti. Vprašajte nekaj daleč zunaj sveta podjetja in dobro zgrajen asistent bo jasno povedal, da s tem ne more pomagati, in ponudil, da sprejme sporočilo. To je pravi odgovor — a ta trenutek ima pogosto nekoliko drugačen ritem od gladkega poteka rezervacije in pozoren klicatelj bi lahko zaznal premik. Znak tukaj ni zvok; je šiv med »to obvlada čudovito« in »doseže svojo mejo«.

Naglasi, narečja in jeziki

V vprašanju »ali obvlada naglase?« se skrivata dve ločeni vprašanji. Prvo je, ali asistent razume klicatelja z močnim regionalnim naglasom ali tujega govorca. Drugo je, ali lasten glas asistenta zveni domače in naravno v danem jeziku. Ne dvigata in spuščata se skupaj in vredno je vedeti, katerega preizkušate.

Na strani izhoda veliki jeziki zvenijo odlično — domači govorec pogosto ne more razločiti. Manjši jeziki in posamezna regionalna narečja lahko zvenijo rahlo »po učbeniku«: pravilno, jasno, a z uglajenostjo pripovedovalca jezikovnega tečaja in ne nekoga iz soseske. Na strani vhoda je razumeti močan naglas ali klicatelja v hrupnem avtu težje kot proizvesti čist govor, in tam boste videli najbolj jasno razliko v kakovosti med resnim izdelkom in poceni.

To je pomembno, če delež vaših strank ne govori krajevnega jezika kot maternega — smisel večjezične linije je, da se oni počutijo razumljene, ne le da asistent lepo zveni vam. To je resnična zmožnost, ki jo je vredno obremenilno preizkusiti, ne kljukica, ki bi ji slepo zaupali.

Ali sploh mora koga preslepiti?

V celotnem tem pogovoru je vgrajena predpostavka, ki si zasluži izziv: da je cilj biti sprejet za človeka. Za poslovno telefonsko linijo to običajno ni cilj — in lov za njim se lahko obrne proti vam.

Kar klicatelj v resnici želi, je hitro: topel pozdrav, odgovor na vprašanje, opravljeno rezervacijo, sporočilo, ki pride do vas. Ali je toplina prišla od osebe ali od dobro zgrajenega modela, mu pomeni veliko manj kot to, da lahko nadaljuje svoj dan. Klicatelji zlahka odpustijo »to je asistent«. Ne odpustijo pa, da obtičijo v zanki, da so napačno slišani ali da se počutijo majhne. Naravnost vam prisluži nekaj sekund dobre volje na začetku klica; usposobljenost je tisto, kar jih dejansko zadovolji.

Obstaja tudi meja, ki jo je vredno držati iz načela: asistent se ne bi smel pretvarjati, da je človek, ko klicatelj neposredno vpraša. »Ali govorim z resnično osebo?« si zasluži jasen odgovor. Glas, dovolj dober, da ga zamenjajo za človeka, je natanko tisti glas, ki bi moral biti iskren, ko ga vprašajo. Zveneti naravno in biti zavajajoč sta različni stvari in le prva je nekaj, k čemur je vredno stremeti.

Kako sami presoditi kakovost glasu — 10-minutni preizkus

Prebrali ste dovolj mnenj, tudi naša. Tukaj je, kako vsa nadomestite z dokazi. Vsak telefonski asistent z umetno inteligenco, ki ga je vredno upoštevati, vam bo dovolil, da z njim spregovorite, preden se zavežete. Pokličite ga in izvedite tole namerno — večina ljudi le reče »živjo, kdaj imate odprto?« in odide brez pravih informacij.

1. 1
   Prekinite ga sredi stavka

   Počakajte, da je nekaj besed globoko v odgovoru, nato ga prekinite z novim vprašanjem. Se čisto ustavi in vam sledi ali se ponovno zažene, zamrzne oziroma izgubi nit? Ta en preizkus vam pove več kot naslednji štirje skupaj.
2. 2
   Vprašajte nekaj rahlo mimo scenarija

   Ne nesmisel — resnično, a nerodno vprašanje, ki bi ga stranka morda res postavila. Opazujte, kako obvladuje, ko doseže svojo mejo. Dober to prizna in ponudi, da sprejme sporočilo; slab blefira ali se zavrti v zanko.
3. 3
   Naglas si premislite

   Nekaj rezervirajte, nato recite »pravzaprav, lahko raje v četrtek?«. Resnični pogovori so polni popravkov smeri. Poglejte, ali sledi ali ga preobrat zmede.
4. 4
   Prisluhnite premoram, ne besedam

   Zaprite oči in opazujte ritem. Prihajajo odgovori s pogovorno hitrostjo? So premori tako dolgi, kot bi jih pustil človek, ali dobo predolgi, dobo premrtvi?
5. 5
   Dajte mu telefonsko številko ali nenavadno ime

   Hitro izgovorite številko ali ime, ki ni očitno. Številke, črkovanja in nenavadna imena so tam, kjer prepoznava govora in ponovitev bodisi zablestita bodisi razpadeta. Prosite ga, naj podatke ponovi.

Ocenite vseh pet in o resnični kakovosti glasu tega izdelka boste vedeli več, kot bi vam lahko povedala katera koli primerjalna tabela — in to boste vedeli za svoj primer uporabe, v svojem jeziku, s posebnostmi, ki jih prinesejo vaši dejanski klicatelji.

Kje stoji naš lasten glas — in kako bi vas prosili, da ga preverite

Bili bi slab zgled lastnega nasveta, če bi vam rekli, naj preizkusite vse druge, nato pa vas prosili, da nam verjamete na besedo. Torej: Vunoon uporablja glasove trenutne generacije, ki jih v običajnem klicu za rezervacijo ali poizvedbo večina ljudi ne bo prepoznala kot sintetične. Pozdravi klicatelje, odgovarja iz profila, ki ga nastavite, sprejema rezervacije in sporočila ter vam po e-pošti pošlje povzetek in prepis vsakega klica. Zgrajen je tako, da odgovarja dovolj hitro, da pogovor ohrani ritem, in da se gladko preda — sprejme sporočilo, poskrbi, da vas pokličejo nazaj — namesto da blefira, ko naleti na svojo mejo. Ko klicatelj vpraša, ali govori s človekom, se ne pretvarja.

Prav tako ne bomo trdili, da se v razvnetem, čustvenem klicu kosa z izvrstno človeško tajnico, ker se ne, in noben iskren ponudnik tega ne trdi. Kar zanesljivo počne, je, da poskrbi, da je klic toplo sprejet ob 20. uri v nedeljo, namesto da bi zvonil v prazno — in za večino podjetij prava primerjava ni »umetna inteligenca proti odlični tajnici«, temveč »umetna inteligenca proti telefonskemu odzivniku«. Pri tej primerjavi vprašanje glasu skoraj odgovori samo nase.

Zato ne verjemite temu odstavku. Izvedite petstopenjski preizkus na nas. Nastavite ga v nekaj minutah, opišite svoje podjetje in pokličite lastnega asistenta, da slišite natanko, kako zveni pri obvladovanju klicev, ki jih dejansko dobivate. Če ne preseže vaše meje, ste izgubili deset minut in se nekaj naučili. Če jo, ste dokaz slišali sami — kar je edini dokaz, ki je kdaj kaj štel.