Czy AI potrafi transkrybować mieszane estońsko-rosyjskie rozmowy z klientami?

Tak. Nowoczesne rozpoznawanie mowy radzi sobie z dialogami, w których klient i sprzedawca mówią różnymi językami — lub przełączają język w trakcie rozmowy. VILFF powstał w Estonii właśnie z myślą o takim środowisku: transkrybuje język estoński, rosyjski, angielski i inne, rozdziela, kto co powiedział, i wyświetla transkrypcję z tłumaczeniem w portalu.

Dlaczego mieszane dialogi są trudne

Klasyczne systemy speech-to-text oczekują jednego języka na nagranie. Prawdziwa mowa na sali sprzedaży w Estonii wygląda inaczej: klient pyta po rosyjsku, sprzedawca odpowiada po estońsku, nazwy produktów padają po angielsku, a pojedyncze zdania mieszają wszystkie trzy języki. Dodajmy hałas w tle, odległość od mikrofonu i regionalne akcenty — i większość uniwersalnych narzędzi się sypie.

Jak radzi sobie z tym VILFF

• Rozdzielanie mówców — każda wypowiedź jest przypisana do klienta lub pracownika;
• Obsługa języka na poziomie wypowiedzi — model nie wymusza jednego języka dla całej rozmowy;
• Tłumaczenie w portalu — każdy dialog czytają Państwo w wybranym języku portalu (estońskim, angielskim lub rosyjskim), z zachowaniem oryginału;
• Odporność na hałas — detekcja aktywności głosowej odcina ciszę i odległą mowę, a segmenty o niskiej pewności są ponownie weryfikowane, a nie zgadywane.

Jakiej dokładności można oczekiwać

Dokładność zależy od umiejscowienia mikrofonu i akustyki pomieszczenia. W sklepie o typowym poziomie hałasu rozmowy przy ladzie transkrybują się wystarczająco dobrze do wiarygodnej analityki: trendów, tematów, tonu i cytatów. Stale oceniamy jakość na prawdziwych, zanonimizowanych dialogach i dostrajamy system tam, gdzie mieszanka językowa jest najtrudniejsza.

Jakie języki są obsługiwane

Wszystkie główne języki. W praktyce handel w Estonii to najczęściej estoński + rosyjski + angielski na jednej sali sprzedaży — dokładnie ta kombinacja, pod którą VILFF jest zoptymalizowany i codziennie testowany.