可用性:语音识别与键盘

Question

我们看到越来越多的语音识别实现了，并且对能够做好语音识别的库的需求越来越大。与键盘或小键盘相比，它背后的理由是什么(就可用性而言)？你会出于什么原因投资于这个开发项目？

例如，让我们以呼叫中心为例。几年前，几乎每个呼叫中心都使用IVR来提示菜单的按键。现在，我们看到越来越多的菜单提示输入语音关键字和/或按下键盘：“请说发票或按1查看您的发票”。或者我们在公司的电话簿中看到了同样的事情：“请说出你试图联系的人的名字”……“弗兰克·洛伊德”“你是说杰克·弗洛伊德吗?如果你想联系这个人，请说”是“，或者说”不“再试一次。”

我想这是一个加分，当你在你的车里，没有拿着你的手机，但值得额外的等待时间吗？所有选项的交互时间更长，在尝试分析是否说了什么时提示时间更长，等等？当然，可靠性比以前更好了，但有时它感觉更像是某人决定插入系统的玩具，这样它就会有未来感。

有设计IVR或使用(或选择不使用)语音识别的软件的经验吗？

谢谢!

Answer 1

与键盘或小键盘相比，它背后的理由是什么(就可用性而言)？

可用性是一个非常宽泛的术语。如果我试图用触摸板输入我的地址，它不会被认为是非常有用的。一些人认为，使用总体成功率为70-80%的语音引擎也不是很好用。正如其他帖子所指出的那样，对于那些使用手机的人来说，免提输入要容易得多。然而，如果主题对呼叫者来说有点陌生，那么使用文字输入与数字输入实际上可能不如按键式电话那么直观。听到不太熟悉的术语和短语的呼叫者无法在提示的10-30秒内记住它们，但他们可以用手指悬停在最佳发音选项上或记住选项的顺序。

你有什么理由要投资这个开发项目？

这是一个奇怪的问题。通常，在IVR环境中使用语音或不使用语音的决定不是从世界的发展角度出发的。除非您有真正需要语音的特定要求，否则您几乎总是在降低总体成功率。言辞通常是影响公司形象的一个因素。或者拥有最新的科技玩具。

我想当你在车里而不拿着手机的时候，这是一个加分，但这值得额外的等待时间吗？

现在使用现代ASR时，语音识别延迟不是很高。在大多数情况下，输入与语音并行处理，语音识别结束之间的时间间隔为1秒。请注意，许多IVR需要在某些输入后执行数据查找，这可能会显示为较慢的系统。正常输入超过1s通常是部署能力不足的标志。

它在最初实现时可能并没有动力不足，但通过调优工作，您可以做出许多性能与准确性的决定。为了获得下一个.1%，可以将资源推送到超出其峰值的位置。

另外，可靠性比以前更好了，当然，但有时它感觉更像是某人决定插入系统的玩具，这样它就会有未来感。

一般来说，是这样的。在可靠性方面，您需要真正查看总体数字，以了解系统。这是一场统计之战，其中个人并不是很重要(除非他们拥有副总裁或更高的头衔)。通过优化输入(切换提示)、资源使用和其他语音录音调整参数，您可以尝试最大限度地提高准确性。对于基本的自然语言响应，你可以达到90以上。然而，你的总体成功率要低得多。想象5个提示都是98% (实际上，你倾向于有一堆99，然后是几个90年代中期或更低)：.98 * .98 * .98 * .98 * .98 = 90%。这意味着每10个人中就有一个失败了。这是在调用者混淆和业务规则之前。DTMF输入通常非常接近100%，即使在几次输入之后也是如此。

是否有使用(或不使用)语音识别的交互式语音识别或软件的设计经验？是。但是，我怀疑这真的不是你想要的问题。作为技术方面的人，这通常不是你的决定，你对它的影响力有限。如果你真的在寻找演讲的利弊：

优势：

• 酷/hip(注意，仅有语音是不够的。您需要出色的视觉用户界面和语音才能)
• 非常适合不带耳机的高机动性人群。未来应该是将语音和触觉输入混合在一起。也许吧。它可能不会来自市场上的IVR端。
• 非常适合用双音多频无法完成的任务。请注意，这些问题中的许多往往在演讲中的成功率也很低。成本(相对于人力)通常是驱动因素，而不是可用性。将呼叫放入语音信箱进行地址更改等操作非常划算。

缺点：

• 的开发、部署和维护成本高昂。如果你一不小心，添加新的选择可能会对成功率产生重大影响。始终监控更改的影响。
• 经常部署不当。例如，只需说出您的数字菜单选项。这几乎经常是这样的情况，我们想要语音酷，但负担不起它真正需要的实现语音coolness.
• Success费率将更低，因此呼叫中心成本将higher.
• Failures倾向于专注于特定的提示和个人呼叫者。经常遇到系统问题的呼叫者会对您非常不满意。
• 呼叫者在不被理解时会生气。你的目标是找出你的客户群中的一部分，并真的让他们生气吗?

Answer 2

我认为语音识别就像任何输入方法一样，各有利弊。

Pro's

• 没有学习曲线，我们从很小的时候就开始说话了。
• 电话，不需要不断地把耳机从你的耳朵上移开。

Con's

• 更长的等待时间
• 如果音质不好，需要多次尝试才能获得正确的选择。

Answer 3

在某些情况下，公司需要处理旋转式电话。可能会发现，只设置识别系统而不是两者都设置会更具成本效益。

语音识别比按键音有更多的开销。如果你想得到最好的结果，你需要不断地调整应用程序，并根据无法识别的单词发音来训练系统。您还需要非常注意如何使用语音识别提示用户，否则可能会收到意想不到的响应。

总体而言，按键音要容易得多，因为在任何给定的时间都只有有限的可能选项。

如果你的应用足够简单，那么你的语音记录只会让它变得复杂。按2可选择其他语言。