Rozpoznawanie mowy na tekst (Speech-to-Text)
Krótkie wyjaśnienie
Rozpoznawanie mowy na tekst (Speech-to-Text): STT to technologia zamiany mowy na tekst.
Znaczenie i zasada działania
Model rozpoznawania analizuje nagranie audio i zwraca transkrypcję tekstową. STT generuje tekst na podstawie dźwięku, ale wynik należy przetestować w hałaśliwym otoczeniu.
Zastosowania w biznesie
- Przykład biznesowy:
Po rozmowie system tworzy tekst rozmowy w celu kontroli jakości. W menu głosowym użytkownik musi wykonać minimalną liczbę kroków, aby dostać się do żądanego działu lub samodzielnie uzyskać odpowiedź.
Co sprawdzić przed wdrożeniem
Skrypt jest testowany na rzeczywistych żądaniach, sprawdzając błędy wejściowe, przekroczenia limitów czasu, powtarzające się monity i możliwość kontaktu z operatorem. W przypadku zamiany mowy na tekst oznacza to, że opcje należy oceniać w kontekście rzeczywistego procesu biznesowego, a nie według nazwy opcji w ustawieniach.
Ograniczenia i typowe błędy
Dokładność zależy od mowy, hałasu, akcentu i jakości nagrania. Zbyt długie menu lub nadmierna liczba poziomów zwiększa ryzyko przerwania połączeń, nawet przy sprawnej technicznie centrali PBX.