Үн интерфейстери жана жардамчылары

1) VUI деген эмне жана ал керек болгондо

Үн интерфейси (VUI) - сөз аркылуу өз ара аракеттенүү ыкмасы: тиркемедеги/браузердеги жардамчылар, акылдуу колонкалар, IVR/телефония, авто жана ТВдагы үн.
Ылайыктуу: колу-бош скрипт (айдоо, ашкана), тез командалар ("күйгүзүү"..., "чал"...), жеткиликтүүлүк, татаал меню боюнча багыттоо.
Ылайыктуу эмес: так визуалдык тандоо (каталогдор, таблицалар), экран жок структураланган маалыматтарды узак киргизүү.

2) Диалогдун модели: интенттер, маңыз жана контекст

Intent (максаты): колдонуучу каалайт: 'Түзүү _ төлөм', 'Текшерүү _ баланс'.
Слоттор/маңыздар: максаттын параметрлери: сумма, валюта, адресат, дата.
Контекст/диалог-мамлекет: кайсы жерде бутактанганыбызды тактайбыз.
Тастыктоо эрежелери: ачык-айкын тастыктайбыз (акча, жеке маалыматтар).

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) Диалог үлгүлөрү

1. Команда бир сөз айкашы менен: "500 Hryvnia Apple Pay эсебин толук". → ырастоо → аракет.
2. Тактоочу диалог: "Кимге которуу керек?" → "Канча суммага?" → тастыктоо.
3. Step Master: маалыматтарды текшерүү жана артка кадам менен татаал жагдайлар.
4. Ниетти таануу + NLU-сөз айкашы: вариативдик формулировкаларды колдоо.
5. Тез маалымат: "Кандай чегерүү?" - кыска жооп + "экранда көрсөтүү".

4) Формулировкалар: үн жана тон

бренд үнү: ишенимдүү, тынч, достук; маанилүү кадамдарда кыскартуу жана "тамашалар" жок (төлөмдөр, коопсуздук).

Макс. ассистенттин репликасынын узундугу: 1-2 сунуш; узак жооптор - сындырып, "улантуу?"

Суроолор - конкреттүү: "Канча суммага толукталсын?" "Мындан ары эмне кылабыз?"

5) ырастоо, коопсуздук жана этика

сезимтал иш-аракеттердин катуу ырастоо: негизги параметрлерин ("500 Hryvnia карта менен толукталсын... 4581? »)

Кайтарылгыс операциялар үчүн кош ырастоо.
толук жеке маалыматтарды үн жок.
Жокко чыгаруу/кайтаруу мүмкүнчүлүгү: "Жокко чыгаруу", "Токто", "Акыркы кадамды жокко чыгаруу".

6) Каталар жана түшүнбөстүктөр

• ASR ката (уккан жокмун): "Сумманы уккан жокмун. Сураныч, кайталаңыз"
• NLU-түшүнүксүз: "Мен өтүнүчтү түшүнгөн жокмун. Эсепти толуктап же балансты көрсөтө алам. Эмне тандайсыз?"
• Эч кандай маалымат/чектөө: "Бул ыкма сиздин аймакта жеткиликтүү эмес. Башка варианттарды аташ керекпи?"
• Тармак/кызмат: "Азыр төлөм кызматы менен байланыш жок. Бир мүнөттөн кийин кайталайбы?"

Эреже: максималдуу 2 аракет сурап → альтернатива сунуш (экранда/адам).

7) ылдамдыгы жана барж-ин (токтотуу)

TTFB жашыруун: максаттуу <300-500 ms; узак болсо - кыска "em-mm" -сигнал/earcon.
Barge-in: колдонуучу каалаган учурда жардамчыны өлтүрө алат; үзгүлтүккө туура мамиле.
Жооп агымы: Биз бүт текст даяр алдында сүйлөй баштайт, бирок эч кандай мааниси жок.

8) TTS/ASR жана SSML: кантип "адам" деп

Сандардын/валюталардын/даталардын айтылышы: жергиликтүү форматтар ("беш жүз гривен", "15 жалбырак түшүү").
Тыныгуу жана басым: SSML '<break time = "300ms "/>', '<emphasis level =" moderate ">'.
Аббревиатураларды/коддорду окуу: '<say-as interpret-as = "characters"> IBAN </say-as>'.
ылдамдыгы жана тембр: 0 тез эмес. 9 × түшүнүктүү болушу үчүн негизги.

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) Multimodality: үн + экран

Визуалдык кеңештер: ырастоо картасы, ыкмалардын тизмеси, прогресс.

Hand-off экранда: "Мен экранда параметрлерин жөнөттү. ыкмасын тандоо"

Статус синхрондоштуруу: үн башталат, экран аяктайт (жана тескерисинче).

10) Көп тилдүүлүк жана локализация

Бир сөз айкашы эмес, сессия/орнотуу боюнча тилди автоматтык аныктоо.
Терминдердин сөздүгү: RU/UA/TR/EN үчүн бирдиктүү терминология.
Сандардын/валюталардын/даталардын аймактык форматтары, аттардын/топонимдердин айтылышы.
Диалогдо которуу: "Украинага өтүү" - ачык команда.

11) Жеткиликтүүлүк (A11y) үнү

Иш-аракеттерди ырастоо - так жана кыска.
Суроо-талап боюнча кайталоо: "Кайталоо" акыркы репликаны угат.
Үн/ылдамдыгы: "Жай/тынч/катуу сүйлө".
Угуусу начар адамдар үчүн: субтитрлер/транскрипт экранда, термелүү сигналдары.
Сүйлөө бузулушу үчүн: киргизүүнүн альтернативдүү жолдору (баскычы, алдын ала жазуулар).

12) Купуялык, логика жана комплаенс

Wake-word жана жазуу көрсөткүчү: ачык абалы "угуу".
Мүмкүн болсо, жергиликтүү иштетүү; болбосо - маалыматтарды минималдаштыруу.
Логдордо сезгич фрагменттерди жашыруу (PAN, IBAN, дарек) жана аудио авто редакциясы.
Сактоо мөөнөттөрү жана суроо-талап боюнча алып салуу укугу; "Тарыхты сактабагыла" параметрлери.
Курактык чектөөлөр/ата-энелик көзөмөл (балдардын үнү/командасы).

Ачык-айкындуулук: "Мен таанууну жакшыртуу үчүн бул команданы жаздырып жатам. Орнотууларда өчүрсө болот"

13) Жардамчы адам

Аты-жөнү: кыскача өмүр баяны, компетенттүүлүк чөйрөсү, ал билет/билбейт.
жагдайлар боюнча тон: жөнөкөй (достук), сын (бейтарап), окутуу (колдоо).

Чек аралар: "Мен каржылык кеңеш бербейм, бирок справка көрсөтө алам."

14) сапаты VUI Метрика

Intent recognition rate (NLU тактыгы).
Slot fill rate и avg. turns to fill.
ASR WER/CER (сөздөрдү/символдорду таануу катасы).
Task Success / Completion rate и Time-to-Complete.
Escalation rate (оператор/экран боюнча).
Barge-in usage и Latency p95.
Колдонуучу Satisfaction/CSAT скрипт кийин.
кадам Abandonment.

15) тестирлөө жана QA добуш

Тесттик фразалар топтому: синонимдер, сүйлөө формалары, акценттер, каталар.
Айлана-чөйрөнүн ызы-чуусу: көчө/авто/ашкана, ар кандай микрофондор.
Диалог-репликалар: кайталануучу сценарийлер, регрессия үчүн алтын-комплект.
Wizard-of-Oz алгачкы этаптарында.
Юридикалык сценарийлер: жардамчы катары потенциалдуу коркунучтуу суроо-талаптарга жооп берет.

16) продукт менен бириктирүү (iGaming-учурларда)

Баланс/депозит/чыгаруу: "Кандай баланс? ", "200 UAH толуктоо"..., "чыгаруу статусу".
Бонустар/миссиялар: "Кандай бонустар бар? ", "Жумалык кэшбэкти активдештирүү".

Жооптуу оюн: "Депозиттин лимитин жумасына 1000 грн."

Системалардын статусу: "Азыр техникалык иштер барбы?"

17) Анти-үлгүлөрү

Жардамчынын узун монологдору жок.
Акча операцияларын ачык тастыктоо.
Эч кандай альтернатива "түшүнгөн жокмун" эч кандай нускасы жок.
Ашыкча үндөр/джинглдер, кабылдоого тоскоол.
Майда-чүйдөсүнө чейин визуалдык тандоо керек болгон маселелерди "үн менен" чечүүгө аракет кылуу.

18) Промт жана жооп үлгүлөрү

• Ассистент: "Эсеп канча суммага толукталсын?"
• Колдонуучу: "Беш жүз."
• Ассистент: "500 Hryvnia толуктоо? Сураныч, тастыктаңыз"

• "Карта менен 500 Hryvnia толуктоо тастыктоо... 4581. "Тастыктайм" же "жокко чыгаруу" деп"

• "Мен төлөм ыкмасын уккан жокмун. Мен сунуш кыла алам: Apple Pay, карта, крипто капчык. Эмне тандайсыз?"

• "Экранга жеткиликтүү ыкмаларды жөнөттү. Тандоо жана улантуу үчүн "даяр" деп"

19) SSML үлгүлөрү мисалдар

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>

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

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

20) Чек баракчалары

Чыгаруу алдында диалог/мазмун

• Ар бир интент үчүн - синонимдердин/сөз айкаштарынын тизмеси.
• Ар бир милдеттүү слот үчүн - бир так суроо.
• Сезгич иш-аракеттер - ачык ырастоо менен.
• Кыска альтернатива бар "экранда "/" оператор ".
• 2 сунуштар ≤ сын-пикирлер; узун - менен "улантуу? ».

Техника жана сапат

• Колдоо барж-ин жана үзгүлтүккө кийин диалогго кайтып.
• p95 жылдыруу нормалдуу; кечигип жатканда earcons бар.
• SSML орнотулган: тыныгуу, сандар, басым.
• Логи аноним/маскировка; башкаруу бар.
• Көп тилдүүлүк жана жергиликтүү форматтар текшерилди.

A11y жана коопсуздук

• "Кайталоо/Жай/Катуу сүйлө" иштеп жатат.
• Толук жеке/төлөм маалыматтары айтылбайт.
• үн менен жокко чыгаруу/артка кайтаруу бар.
• Курактык жана аймактык чектөөлөр текшерилет.

21) Диалог Specification алкагы (шаблон)

Сценарийдин максаты: (мисалы, "Депозит ≤ 90 сек")

Интенттер жана синонимдер: сөз айкаштарынын мисалдарынын тизмеси.
Слоты: `amount` (req, confirm), `currency` (default=UAH), `method` (enum).
Тастыктоо эрежелери: кайсы баалуулуктар/босоголор үчүн кайталоо талап кылынат.
ката жолдору: ASR, NLU, эч кандай кызмат - текст + бутактары.
Multimodal чыгаруу: карталар/экрандар көрсөтүп турат.
Логи жана купуялык: эмне жана кантип жашыруу, TTL сактоо.

Акыркы шпаргалка

Адегенде интенттер/слоттор/тастыктоо эрежелери, андан кийин тексттер.
Кыскача сүйлөңүз, үзгүлтүккө учуратыңыз жана жокко чыгарыңыз.
Контекстке жараша SSML, жергиликтүү форматтарды жана тондорду жөндөө.
купуялуулукту жана логинди көзөмөлгө алуу.
Intent/Slot/ASR-метрика, Task Success жана жашыруун өлчөө.
Ар дайым экранда альтернатива жана адамга жол бар.