Modely v reálnom čase
Pri priebežnom hlasovom rozhraní sa zvuk prenáša po častiach. Aplikácia môže začať odpovedať skôr, než sa skončí spracovanie celého záznamu.
Príklad z pracovného postupu
Volajúci preruší vetu asistenta hneď po slovách „voľný termín je“. V rozhovore nemožno pokračovať s predpokladom, že počul dátum z nepreneseného zvyšku odpovede. Rozhodnutie o termíne musí čakať na skutočné potvrdenie.
Ako výsledok overiť
Meriame čas od konca reči po prvé počuteľné slovo, správanie pri prerušení a obnovu spojenia.
Čo ukáže meranie na firemných vstupoch
Pri porovnaní dvoch modelov je dobré uchovať pôvodný vstup, jeho prípadnú transformáciu a cieľový výsledok oddelene. Dajú sa tak rozlíšiť chyby získania vstupu, chyby samotného modelu a chyby pri prevode jeho výstupu do formulára či hlasovej odpovede. Príklady majú zahŕňať aj situáciu, v ktorej človek potrebuje rozhodnutie odložiť a vyžiadať doplnenie.
Meranie priemeru doplníme o rozdelenie chýb podľa jazyka, kvality vstupu a typu údaja. Omyl v nezáväznom súhrne má inú cenu ako chybné číslo dokladu. Pri výbere riešenia preto vyčíslime aj počet prípadov určených na ľudskú kontrolu.
Odozvu používateľ vníma od konca svojej vety
Pri hovorenom ovládaní aplikácie môže model začať počítať rýchlo a napriek tomu pôsobiť pomaly, ak rozpoznanie konca reči alebo prehratie zvuku príliš čaká. Meranie preto začíname pri skončení požiadavky a končíme pri prvom zrozumiteľnom výsledku na zariadení.
Osobitne zaznamenáme trvanie pri stíšení mikrofónu, kolísavej sieti a prerušení odpovede. Podľa výsledku sa dá rozhodnúť, či potrebuje úpravu spracovanie signálu, veľkosť prenášaných blokov alebo spolupráca medzi prehrávaním a ďalším vstupom.
Otázky z praxe
Čo má aplikácia robiť, keď používateľ preruší odpoveď?
Zastaví prebiehajúce prehrávanie a rozlíši časť, ktorú používateľ už mohol počuť, od zvyšku vytvorenej odpovede. Pri ďalšej vete nesmie očakávať potvrdenie termínu, ktorý ešte nezaznel. Skúška prerušenia preto porovná zaznamenaný stav rozhovoru s reálne prehratým úsekom.
Ako rozdeliť oneskorenie hlasovej odpovede na merateľné časti?
Čas môžeme merať pri prijatí zvuku, rozpoznaní konca vety, vzniku prvého výstupu a jeho prehratí. Ak sa čaká na firemné rozhranie, zaznamenáme ho samostatne. Z tejto časovej osi potom vidno, či treba upraviť prenos, rozhodovanie o konci reči alebo odozvu nástroja.
Je obnovené spojenie dôkazom, že sa termín podarilo zmeniť?
Mediálne spojenie a zápis do plánovacieho systému majú samostatné stavy. Ak sa hovor prerušil po požiadavke na zmenu termínu, aplikácia najprv dohľadá konkrétnu operáciu v kalendári. Až potom môže pokračovať potvrdením alebo vykonať stále nezapísanú zmenu bez duplicity.
Súvisiace stránky
-
Veľké jazykové modely (LLM)
Jazykový model prijíma postupnosť tokenov a odhaduje pokračovanie.
Otvoriť -
Malé jazykové modely (SLM)
Menší jazykový model môže obslúžiť úzku úlohu s obmedzenou pamäťou zariadenia.
Otvoriť -
Riešenia s umelou inteligenciou
Vyvíjame AI funkcie pre firemný softvér. Model pripraví návrh zo správy alebo dokladu, pracovník skontroluje zdroj a potvrdí zápis do systému.
Otvoriť