Ձայնային ինտերֆեյսներ և օգնականներ

1) Ի՞ նչ է VUI-ն և երբ այն անհրաժեշտ է

Ձայնային ինտերֆեյսը (VUI) խոսքի միջոցով փոխազդեցության միջոց է 'օգնականներ 2019/զննարկիչում, խելացի սյուները, IVR/հեռախոսը, ձայնը մեքենայում և հեռուստատեսությունում։

Հարմար է 'զբաղված ձեռքերը (մեքենա, խոհանոց), արագ թիմերը («միացրեք»..., «զանգահարեք»...), հասանելիությունը, նավիգացիան բարդ ընտրացանկով։

Հարմար չէ 'ճշգրիտ տեսողական ընտրություն (ստանդարտ և, սեղաններ), կառուցվածքային տվյալների երկար մուտքագրումը առանց էկրանին։

2) Երկխոսության մոդել 'ինտենտներ, էության և համատեքստը

Ինտենտ (նպատակը) 'ինչ է ուզում օգտագործողը' «Ստեղծել _ 108», «Ստուգել _ հավասարակշռությունը»։

Սլոտներ/էության 'նպատակային պարամետրեր' գումար, արժույթ, հասցեատեր, ամսաթիվը։

Համատեքստ/երկխոսություն-սթեյթ, որ արդեն գիտենք, թե ինչ ենք ասում, որտեղ ենք ճյուղավորվում։

Հաստատման կանոնները, որ մենք հստակ ապացուցում ենք (գումար, անձնական տվյալներ)։

Ինտենտի սխեմայի օրինակ (կեղծ-JSON)

json
{
"intent": "MakeDeposit",
"slots": {
"amount": {"type": "number", "required": true, "confirm": "sensitive"},
"currency": {"type": "currency", "required": true, "default": "UAH"},
"method": {"type": "payment_method", "required": false}
}
}

3) Երկխոսության պատրանքները

1. Թիմը մի արտահայտությամբ. <<Լրացրեք հաշիվը 500 գրիվնիների Apple Pro>>։

2. Հստակեցնող երկխոսություն. <<Ո՞ վ թարգմանել>>։ «Ի՞ նչ գումար»։ հաստատուն ապացույց։

3. Կոպիտ վարպետ 'բարդ սցենարներ տվյալների ստուգման և հակառակ քայլի հետ։

4. Մտադրության ճանաչումը + NLU-վերաֆրազը 'փոփոխական ձևակերպումների աջակցություն։

5. Արագ պատասխաններ. <<Ի՞ նչ սահմաններ եզրակացության>>։ կարճ պատասխան + «Ցույց տալ էկրանին»։

4) Ձևակերպումներ ՝ ձայն և երանգ

Բրենդի ձայնը 'վստահ, հանգիստ, ընկերական, առանց նվազեցման և «կատակների» կրիտիկական քայլերում (վճարումներ, անվտանգություն)։

Մաքս։ ասիստենտ կրկնօրինակի երկարությունը '1-2 նախադասություն; երկար պատասխաններ 'կոտրել և առաջարկել «Շարունակել»։

Հարցերը կոնկրետ են. <<Ի՞ նչ գումարով համալրեք>>։ փոխարենը «Ի՞ նչ ենք անում հետո»։

5) Հաստատում, անվտանգություն և էթիկա

Զգայուն գործողությունների խիստ ապացույցն այն է, որ խոսեք հիմնական պարամետրերի մասին ("Լրացրեք 500 գրիվնյով քարտեզով... 4581։ »)

Կրկնակի ապացույց անդառնալի վիրահատությունների համար։

Առանց ամբողջական անձնական տվյալների բարձրաձայնելու։

Մրցույթի/արձագանքի հնարավորությունը '«Վերացում», «Stop», «Վերացնել վերջին քայլը»։

6) Սխալներ և թյուրիմացություններ

Ձախողումների և պատասխանների տեսակները

ASR-սխալը (չլսեց). <<Ես չէի լքում գումարը։ Խնդրում եմ"։

NLU-անհասկանալի է. <<Ես չեմ հասկացել հարցումը։ Ես կարող եմ լրացնել հաշիվը կամ ցույց տալ հավասարակշռությունը։ Ի՞ նչ կընտրեիք"։

Չկա տվյալներ/սահմանափակումներ. <<Այս մեթոդը հասանելի չէ ձեր տարածաշրջանում։ Անվանել այլ տարբերակներ"։

Ցանցը/ծառայությունը. <<Հիմա կապ չկա բնակարանային ծառայության հետ։ Կրկնել մեկ րոպե անց"։

Կանոն 'միգրանտների հարցաքնման առավելագույն երկու փորձերը պետք է առաջարկեն այլընտրանքը (էկրանի/մարդու վրա)։

7) Արագությունը և բարջինը (ընդհատումը)

TTFB-ի լատինականությունը 'նպատակային <300-500 մզ; եթե ավելի կարճ «em-mm» -սինգալ/earcon։

Barge-in: Օգտագործողը կարող է ընդհատել օգնականը ցանկացած պահի։ շեղումը ճիշտ է։

Սթրիմինգը պատասխանն է. Սկսում ենք խոսել ավելի շուտ, քան պատրաստ է ամբողջ տեքստը, բայց առանց դրա իմաստը։

8) TFC/ASR և SSML 'ինչպես ասել «մարդկային»։

Թվերի արտասանությունը/վալուտներ/դատ ՝ տեղական կոմպոզիցիաներ («p 'yatsot griven», «15 listopad»)։

Դադարներ և սթրեսներ ՝ SSML '," ։

Ընթերցում abrevature/2019: IBAN >։

Արագությունը և տեմբրը 'ոչ ավելի, քան 0։ Նոյեմբերի 9-ին, որպեսզի ապշեցուցիչ լինի։

SSML-ի օրինակ

xml
<speak>
Top up on <say-as interpret-as = "cardinal"> 500 </say-as>
<sub alias = "hryvnia"> UAH </sub>?
<break time="300ms"/>
Please confirm.
</speak>

9) Մուլտիմոդալություն ՝ ձայն + էկրան

Տեսողական հուշումներ 'հաստատման քարտը, մեթոդների ցանկը, առաջընթացը։

Hand-off-ը էկրանին. <<Ես ուղարկեցի տարբերակներ էկրանին։ Ընտրել մեթոդը"։

Պետության համաժամացումը 'ձայնը նախաձեռնում է, էկրանը ավարտում է (հակառակը)։

10) Բազմալեզու և տեղայնացում

Լեզվի ինքնորոշումը նստաշրջանում/2019, ոչ թե մեկ արտահայտությամբ։

Տերմինների գլոսարիան 'մեկ տերմինաբանություն RU/UA/TR/EN համար։

Տարածաշրջանային թվերի/վալուտների/ամսաթվերի, անունների/տեղանունների արտասանությունը։

Երկխոսության անցումը. <<Անցնել Հորվինսկա>> ակնհայտ թիմ է։

11) Ձայնի հասանելիությունը (A11y)

Գործողությունների ապացույցը ռուսական և կարճ է։

Խոհարարը հարցրեց. <<Կրկնել>> վերջին կրկնությունը բարձրաձայնում է։

Արագություն/արագություն ՝ «Խոսիր դանդաղ/ավելի բարձր»։

Թույլ լսողների համար 'ենթատետրեր/վերաշարադրում էկրանին, վիբրո ազդանշաններ։

Խոսքի խախտումների համար այլընտրանքային մեթոդներ (կոճակ, ճնշումներ)։

12) Գաղտնիությունը, տրամաբանությունը և համադրումը

Wake-word-ը և ձայնագրման ցուցիչը 'ակնհայտ վիճակը «լսում եմ»։

Տեղական բուժումը, եթե հնարավոր է։ հակառակ դեպքում տվյալների նվազեցումը։

Լոգարաններում զգայուն բեկորների դիմակավորում (PAN, IBAN, հասցեն) և Auto-խմբագրություն աուդիո։

Պահեստավորման ժամանակը և հեռացման իրավունքը պահանջով. «Մի՛ պահպանիր պատմությունը»։

Տարիքային սահմանափակումներ/ծնողական վերահսկողություն (երեխաների ձայներ/թիմեր)։

Թափանցիկություն. <<Ես գրում եմ այս թիմը 'ճանաչումը բարելավելու համար։ Դուք կարող եք անջատել պարամետրերը"։

13) Պերսոնի օգնական

Անունը/պերսոնը 'կարճ կենսագրությունը, իրավասությունների տարածքը, որը գիտի/չգիտի։

Թոնը իրավիճակներում 'սովորական (ընկերական), կրիտիկական (չեզոք), ուսուցում (աջակցում)։

Սահմանները. <<Ես ֆինանսական խորհուրդներ չեմ տալիս, բայց կարող եմ ցույց տալ տեղեկությունը>>։

14) VUI որակի մետրերը

Intent recognensrate (NLU ճշգրտություն)։

Slot fill rate и avg. turns to fill.

ASR WER/CER (բառերի/նիշերի ճանաչման սխալ)։

Task Success / Completion rate и Time-to-Complete.

Escalation rate (օպերատորի/էկրանի վրա)։

Barge-in usage и Latency p95.

User Satisfaction/CSAT սցենարից հետո։

Abandonium-ում։

15) Փորձարկում և QA ձայներ

Թեստային արտահայտությունների հավաքածուները 'հոմանիշներ, խոսակցական ձևեր, շեշտադրումներ, սխալներ։

Շրջապատի աղմուկները 'փողոց/մեքենա/խոհանոց, տարբեր միկրոֆոններ։

Ռեպլեյի երկխոսությունը 'վերարտադրված սցենարներ, golden-2019 ռեգրեսիայի համար։

Wizard-Oz-ը վաղ փուլերում։

Իրավաբանական սցենարները 'որպես օգնական արձագանքում է պոտենցիալ վտանգավոր հարցումներին։

16) Ինտեգրումը արտադրանքի հետ (iGaming-cass)

Հավասարակշռություն/դեպոզիտ/եզրակացություն. <<Ի՞ նչ հավասարակշռություն։ ", "Համալրեք 200 UAH...", "Եզրակացության վիճակը"։

Բոնուսներ/առաքելություններ. <<Ի՞ նչ բոնուսներ հասանելի են։ ", "Ակտիվացրեք շաբաթաթերթը"։

Պատասխանատու խաղը '«Տեղադրեք 1000 UAH դեպոզիտի սահմանը շաբաթական»։

Համակարգերի կարգավիճակը. <<Արդյո՞ ք հիմա տեխնիկական աշխատանքներ կան>>։

17) Anti-patterna

Օգնական երկար մոնոլոգները առանց ընդհատելու։

Դրամական գործողությունների ակնհայտ ապացույցը։

Անխուսափելի «չհասկացա» առանց տարբերակների հուշման։

Վերարտադրողական հնչյուններ/ջինգլներ, որոնք խանգարում են ընկալմանը։

«Ձայնի» փորձը լուծել այն խնդիրները, որտեղ անհրաժեշտ է մանրամասն տեսողական ընտրություն։

18) Բացթողումների և պատասխանների օրինակներ

Արցունքների պարզաբանումը (գումարը)

Ասիստենտ. <<Ի՞ նչ գումարով կարող եք լրացնել հաշիվը>>։

Օգտագործողը '«Հինգ հարյուր»։

Ասիստենտ '"Համալրե՞ լ 500 գրիվնյով։ Հաստատեք, խնդրում եմ"։

Զգայուն գործողության ապացույցը

"Ապացուցեք 500 գրիվնիների լրացումը քարտեզով... 45.81։ Ասել «ապացուցում եմ» կամ «վերացում»։

Թյուրիմացություն + առաջնորդող հուշում

"Ես չեմ լսել վճարման մեթոդը։ Կարող եմ առաջարկել 'Apple Pro, քարտեզը, կրիպտոկոշելեկը։ Ի՞ նչ կընտրեիք"։

Էկրանի վրա էսկալացիա

"Ես ուղարկեցի հասանելի մեթոդներ էկրանին։ Ընտրեք և ասեք. «Պատրաստ եմ շարունակել»։

19) SSML-պաթոգենների օրինակները

Թվեր/արժույթ և դադար

xml
<speak>
Your current balance is
<say-as interpret-as="cardinal">1250</say-as>
<sub alias = "hryvnia"> UAH </sub>.
<break time="250ms"/>
Shall we continue?
</speak>

Շեշտը կարևոր բառի վրա

xml
<speak>
<emphasis level = "moderate "> Caution </emphasis>: Verification is required for output.
</speak>

Աբտրեվուրայի արտասանությունը

xml
<speak>
Recharge with <say-as interpret-as = "characters"> IBAN </say-as>?
</speak>

20) Չեկ թերթերը

Երկխոսություն/բովանդակություն նախքան ֆորումը

• Յուրաքանչյուր ինտենտը հոմանիշների ցուցակն է/արտահայտությունների տարբերակները։
• Յուրաքանչյուր պարտադիր փղի համար մեկ պարզ հարց է։
• Զգայուն գործողությունները ակնհայտ ապացույց են։
• Կա կարճ այլընտրանք «էկրանի վրա «/« օպերատոր »։
• Կրկնօրինակներ թիվ 2 նախադասություն; երկար '"Շարունակե՞ լ։ ».

Տեխնոլոգիան և որակը

• Աջակցված է barge-in-ին և միանում է խոսակցության մեջ ընդհատումից հետո։
• Լատենտ p95 նորմալ; կա earcons ուշացման ժամանակ։
• SSML-ն վճռական է 'դադար, թվեր, սթրեսներ։
• Լոգները անվանական են/քողարկված; պատմություն կա։
• Բազմալեզու և տեղական ստանդարտները ստուգված են։

A1y և անվտանգություն

• «Կրկնել/Խոսել դանդաղ/Գրոմչե» աշխատում են։
• Ամբողջական անձնական/ստացիոնար տվյալներ չեն հնչում։
• Կա վերացում/արձագանք ձայնով։
• Տարիքային և տարածաշրջանային սահմանափակումները ստուգված են։

21) Երկխոսության առանձնահատկությունների շրջանակը (ձևանմուշ)

Սցենարի նպատակը '(օրինակ, «Դեպոզիտը 90 վայրկյան»)

Ինտենտներ և հոմանիշներ 'ֆրազների օրինակների ցանկ։

Слоты: `amount` (req, confirm), `currency` (default=UAH), `method` (enum).

Ապացույցների կանոնները հետևյալն են. Ո՞ ր արժեքների/նախշերի համար է պահանջվում կրկնօրինակը։

Սխալների տարբերակները ՝ ASR, NLU, ոչ պաշտոնական ՝ + ճյուղերի տեքստերը։

Մուլտիմոդալ ելքեր 'ինչ քարտեր/էկրաններ ենք ցույց տալիս։

Լոգներն ու գաղտնիությունը 'ինչպես և ինչպես դիմակավորել, TTL պահեստավորում։

Ալյումինե գնդակը

Սկզբում ինտենտները/արցունքները/ապացույցների կանոնները, հետո տեքստերը։

Կարճ խոսեք, թույլ տվեք ընդհատել և վերացնել։

SSML-ի պարամետրերը, տեղական պարամետրերը և տոնայնությունը համատեքստով։

Պահեք գաղտնիությունը և տրամաբանությունը վերահսկողության տակ։

Չափեք Intent/Slot/ASR-մետրիկները, Task Success-ը և լատինականությունը։

Միշտ այլընտրանք ունեք էկրանի և մարդու ուղու համար։