अपनी व्यावसायिक परियोजनाओं में Google से वाक् पहचान का उपयोग करने का जोखिम

सभी को नमस्कार।

" एएसआर का उपयोग करते हुए ग्राहक स्वयं सेवा " लेख पर आधारित
मैं आपको बताना चाहूंगा कि आपके कॉल सेंटर के लिए Google से वाक् पहचान का उपयोग करते समय व्यवसाय के लिए क्या जोखिम हैं।

मैं कंपनी "सेंटर फॉर स्पीच टेक्नोलॉजी" (एमडीजी) का प्रतिनिधित्व करता हूं और हम रूसी भाषण के संश्लेषण और मान्यता के लिए प्रौद्योगिकियों में लगे हुए हैं और सबसे पहले, हम कॉल-सेंटरों के स्वचालन पर निर्णय ले रहे हैं।
हम 20 से अधिक वर्षों के लिए भाषण प्रौद्योगिकियों में लगे हुए हैं। अब लगभग 70-80 वैज्ञानिक और प्रोग्रामर इस पर काम कर रहे हैं, साथ ही देश के प्रमुख विश्वविद्यालयों के भाषण विभाग हमारी मदद कर रहे हैं, साथ ही हमारे पास आईटीएमओ में भाषण प्रौद्योगिकियों का अपना विभाग है - हम अपने युवा वैज्ञानिकों को बढ़ा रहे हैं।

और इस पोस्ट में मैं कॉर्पोरेट सेक्टर (कॉल सेंटर) में इसके उपयोग के संबंध में एमडीजी और Google से भाषण मान्यता के बीच समानताएं आकर्षित करूंगा।

हमारी प्रौद्योगिकियां (एमडीजी और Google) विभिन्न बैठकों और भाषणों की तुलना में बार-बार की जाती हैं, वे इस बारे में उत्तेजक प्रश्न पूछते हैं, और हमने पहले से ही उनके लिए तैयार उत्तर विकसित किए हैं।

लेकिन सबसे पहले, मैं यह स्वीकार करना चाहता हूं कि Google की भाषण मान्यता बहुत अच्छी है। लेकिन इसका मतलब यह नहीं है कि एमडीजी मान्यता बदतर काम करती है। आप खुद देख सकते हैं: वीडियो

एक और महत्वपूर्ण बिंदु: कॉर्पोरेट क्षेत्र में, भाषण मान्यता की गुणवत्ता एक प्रमुख भूमिका नहीं निभाती है, कई अन्य कारक हैं जिन्हें ध्यान में रखा जाना चाहिए। मैं उनके बारे में नीचे बात करूंगा।

वाक् पहचान तकनीक किस पर आधारित है?
यह आँकड़े हजारों, लाखों, और Google के मामले में, और अरबों वास्तविक शब्दों और अभिव्यक्तियों का प्रसंस्करण है जो लोग अपने वाक्यांशों का निर्माण करते समय उपयोग करते हैं।
Google को अपनी मान्यता के लिए आधार कहां से मिला? सब कुछ बहुत सरल है - यह Google खोज बार है, अर्थात वे उन सभी चीजों को पहचान सकते हैं जिन्हें लोगों ने कभी खोज बार में लिखा था।
इसे आम भाषा मॉडल द्वारा मान्यता कहा जाता है, अर्थात किसी भी विषय पर एक साथ सब कुछ के बारे में बातचीत और मानक बोलचाल के शब्दों और अभिव्यक्तियों का उपयोग।
उदाहरण के लिए, Google आसानी से और बिना त्रुटियों के वाक्यांशों को पहचानता है जैसे: "अब मौसम कैसा है?", "बेरिंग स्ट्रेट कहां है", "विनिमय दर क्या है" - यह सब एक बार और कई बार लोगों ने Google से पूछा।

पहला अंतर मान्यता गुणवत्ता है।
Google विशिष्ट विषयों से संबंधित भाषण को नहीं पहचान सकेगा।
Google मान्यता विशेष रूप से आपके शब्दकोशों के लिए प्रशिक्षित नहीं है। उदाहरण के लिए, "एक्स-एक्सिस के संबंध में जेड-लाइन के ऊपर 37 सेमी" वाक्यांश प्रोजेक्ट से एक वास्तविक वाक्यांश है जिसे Google सही तरीके से नहीं पहचानता है, क्योंकि लोग रोजमर्रा के भाषण में इसका उपयोग नहीं करते हैं, और यहां मिश्रित अक्षर भी हैं।

हम (MDG) स्वयं अपनी भाषण पहचान बनाते हैं, और हम उसे किसी भी विषय पर प्रशिक्षित कर सकते हैं, सभी प्रकार के संपादन और सेटिंग्स कर सकते हैं। वॉइस मेन्यू बनाते समय, क्लाइंट और हमारे पास पहचान बनाने के लिए सभी उपकरण होते हैं, जिस तरह से यह काम करना चाहिए, न कि किसी के द्वारा इसे प्रभावित करने की क्षमता के बिना।

एक सरल उदाहरण: शब्द "बैंक" और "पंक" बहुत समान हैं, लेकिन जब आप बैंक के कॉल सेंटर को कॉल करते हैं, तो संभावना यह है कि कोई व्यक्ति "पंक" शब्द बहुत छोटा कहेगा। इसलिए, यह शब्द डेटाबेस में भी नहीं है, जो मान्यता की गुणवत्ता में काफी सुधार करता है। जब किसी व्यक्ति को बुरी तरह से सुना जाता है (बड़े शोर, खराब व्यवहार, संचार हस्तक्षेप आदि), तो सिस्टम को यह अनुमान लगाना होगा कि ग्राहक क्या कह रहा है। इस मामले में, सीमित शब्दावली के उपयोग से मान्यता की गुणवत्ता में काफी सुधार होता है। यह अनुमान लगाने की तुलना में अधिक विश्वसनीय है कि ग्राहक के दिमाग में 1000 समान शब्दों में से कौन सा है। आखिरकार, हमारा काम क्लाइंट के सवाल को हल करना है, न कि मान्यता की स्थिरता को प्रदर्शित करना। यदि कुछ आसान किया जा सकता है, तो आपको आसान करने की आवश्यकता है, यह हमेशा अधिक विश्वसनीय होता है।

दो और बिंदु, एक महत्वपूर्ण, दूसरा कॉल सेंटर में आवेदन के संदर्भ में बहुत महत्वपूर्ण नहीं है।

महत्वपूर्ण।
Google अपनी मान्यता की गुणवत्ता के लिए ज़िम्मेदार नहीं है, अर्थात यदि वह सही तरीके से नहीं पहचानता है, तो कोई भी दोषी नहीं है। वह आपका कुछ नहीं देता है और आपको कुछ भी गारंटी नहीं देता है। यदि आप चाहते हैं - इसका उपयोग करें, यदि आप चाहते हैं - नहीं।

एमडीजी को उनकी मान्यता की गुणवत्ता के लिए जवाबदेह ठहराया जाता है। यह इसके लिए है कि ग्राहक पैसे का भुगतान करते हैं - परिणाम के लिए। यदि किसी चीज को मान्यता नहीं दी जाती है, तो हम इसे तब तक खत्म कर देंगे जब तक कि इसे मान्यता नहीं मिल जाती - याद रखें, हमारे पास एक संपूर्ण वैज्ञानिक विभाग है।

इस मामले में बहुत महत्वपूर्ण बिंदु नहीं है।
Google 15 सेकंड के भाषण को पहचानता है।
MDGs में रीडिंग समय पर प्रतिबंधों के बिना निरंतर मान्यता के कार्यों को स्ट्रीमिंग - कम से कम एक बार में पूरी पुस्तक पढ़ें।

दूसरा अंतर संचार चैनलों का है।
Google की सभी मान्यताएँ इंटरनेट पर काम करती हैं। कोई इंटरनेट नहीं - कोई मान्यता नहीं - आपका सिस्टम डाउन है। कारोबार खड़ा हो गया है। यह परियोजना का वास्तविक जोखिम है।
इसमें नेटवर्क उपकरण को नुकसान, पैकेट का नुकसान, गैर-भुगतान के लिए इंटरनेट को डिस्कनेक्ट करना और इसके साथ जुड़ा हुआ सब कुछ शामिल हो सकता है।
एमडीजी समाधान स्थानीय रूप से पास और गूंजने वाले सर्वर पर काम करता है। यह सब मेरा अपना और प्रिय है - कई लोग मुझे समझेंगे।

तीसरा अंतर है संविदात्मक संबंध।
आप वाक् पहचान सेवाओं के लिए Google के साथ एक कानूनी अनुबंध में प्रवेश नहीं कर सकते। वे आम तौर पर आधिकारिक रूप से मान्यता प्रदान नहीं करते हैं। आधिकारिक तौर पर, यह केवल मोबाइल अनुप्रयोगों के लिए खराब हो सकता है। अपने कॉल सेंटर में इसे टाई करने का कोई भी प्रयास व्यवसाय के लिए एक जोखिम है, जो पिछले दरवाजे से काम करता है।
किसी भी समय, वे इस खामी को कवर कर सकते हैं, जो बार-बार अन्य परियोजनाओं के साथ रहा है।
मैं और भी कहूंगा - कॉल-सेंटर विषय (पूरी तरह से ईमानदार होने के लिए) में Google मान्यता के आधार पर व्यावसायिक परियोजनाओं को करना कानूनी नहीं है।

चौथा अंतर है टेक्निकल सपोर्ट।
Google पर, आपको वाक् पहचान के लिए तकनीकी सहायता प्राप्त नहीं होगी जो आपके कॉल सेंटर में खराब हो गई है। अगर कुछ काम नहीं करता है, तो आप कहीं भी कॉल और शिकायत करने में सक्षम नहीं होंगे। खासतौर पर अगर यह तारांकन चिह्न है और आपने इसे स्वयं बनाया है (जैसे कि मैं व्यक्तिगत रूप से तारांकन चिह्न का इलाज नहीं करता हूं)।
एमडीजी में, तकनीकी सहायता ग्राहक की यात्रा के साथ 24X7X365 काम करती है। अनुबंध में आप किसी भी एसएलए शर्तों (उचित रूप से) को लिख सकते हैं।

पांचवा अंतर है सुरक्षा।
Google जो कुछ भी पहचानता है वह दुनिया के किसी अन्य देश के सर्वर पर पहचाना जाता है। यहां और व्यक्तिगत डेटा की सुरक्षा के साथ गैर-अनुपालन, और इस विषय से संबंधित सब कुछ। एक भी बैंक या चिकित्सा सुविधा इसके लिए नहीं जाएगी।
एमडीजी समाधान स्थानीय है और नेटवर्क सेगमेंट में काम करता है जहां आपने संकेत दिया था। इंटरनेट पर उसका कोई सानी नहीं है।

मैंने यह सब क्यों लिखा?
हमसे संपर्क करने वाले कई ग्राहकों ने बार-बार इस तथ्य का उल्लेख किया कि Google अच्छी तरह से पहचानता है और आमतौर पर स्वतंत्र है। यह वास्तव में है।
लेकिन क्या एक विश्वसनीय व्यवसाय के लिए यह सबसे महत्वपूर्ण है?
यह आपकी पसंद है और ये आपके जोखिम हैं।
ठीक है, हो सकता है, निश्चित रूप से, यह आपका नहीं, बल्कि आपके नेता का यकीन है।

PS वैसे, मैं यह नहीं कह सकता कि हमारी मान्यता बहुत महंगी है। यह विदेशी डेवलपर्स के समान ऑफ़र की लागत से 30% कम है।
+ हम Asterisk डेवलपर्स के लिए विशेष मूल्य है।
+ हमारे पास क्लाउड तकनीकें हैं, अर्थात एएसआर और टीटीएस संसाधनों (रिमोट एक्सेस) का पट्टा।

एक समय में, हम सक्रिय रूप से Asterisk डेवलपर्स के साथ सहयोग में लगे हुए थे और KC के छोटे और मध्यम आकार के व्यवसाय पर ध्यान केंद्रित कर रहे थे।
तारांकन के साथ एकीकरण के संबंध में, हमने बहुत सारे निर्देश / दस्तावेज लिखे हैं: यहाँ ।