Adaptation vocale

Lorsque vous effectuez une requête de détection d'intent, vous pouvez éventuellement fournir des phrase_hints pour donner des indications au module de reconnaissance vocale. Ces indications peuvent faciliter la reconnaissance dans un état de conversation spécifique.

Adaptation vocale automatique

La fonctionnalité d'adaptation vocale automatique améliore la précision de la reconnaissance vocale de l'agent en utilisant automatiquement l'état de conversation pour transmettre les entités pertinentes et les phrases d'entraînement comme indications de contexte vocal pour toutes les requêtes de détection d'intents. Cette fonctionnalité est désactivée par défaut.

Activer ou désactiver l'adaptation vocale automatique

Pour activer ou désactiver l'adaptation vocale automatique, procédez comme suit :

Console

  1. Ouvrez la console Dialogflow CX.
  2. Sélectionnez votre projet Google Cloud .
  3. Sélectionnez votre agent.
  4. Cliquez sur Agent Settings (Paramètres de l'agent).
  5. Cliquez sur l'onglet Voix et réponse vocale interactive.
  6. Activez ou désactivez l'option Activer l'adaptation vocale automatique.
  7. Cliquez sur Enregistrer.

API

Consultez les méthodes get et patch/update pour le type Agent.

Sélectionnez un protocole et une version pour la référence de l'agent :

Protocole V3 V3beta1
REST Ressource d'agent Ressource d'agent
RPC Interface de l'agent Interface de l'agent
C++ AgentsClient Non disponible
C# AgentsClient Non disponible
Go AgentsClient Non disponible
Java AgentsClient AgentsClient
Node.js AgentsClient AgentsClient
PHP Non disponible Non disponible
Python AgentsClient AgentsClient
Ruby Non disponible Non disponible

Conception d'agent pour améliorer la reconnaissance vocale

Lorsque l'adaptation vocale automatique est activée, vous pouvez créer votre agent de manière à en bénéficier. Les sections suivantes expliquent comment améliorer la reconnaissance vocale en apportant certaines modifications aux expressions d'entraînement et aux entités de votre agent.

Phrases d'entraînement

  • Si vous définissez des phrases d'entraînement avec une expression telle que "stuffy nose" (nez encombré), une expression similaire de l'utilisateur final est reconnue de manière fiable comme "stuffy nose" et non comme "stuff he knows" (ce qu'il sait).
  • Lorsque vous avez un paramètre obligatoire qui force Dialogflow à afficher des invites de remplissage de formulaire, l'adaptation automatique de la voix est fortement biaisée en faveur de l'entité en cours de remplissage.

Dans tous les cas, l'adaptation vocale automatique ne fait que pondérer la reconnaissance vocale, et ne la limite pas. Par exemple, même si Dialogflow demande à un utilisateur un paramètre requis, les utilisateurs pourront toujours déclencher d'autres intents, tels qu'un intent de premier niveau "parler à un agent".

Entités système

Si vous définissez une phrase d'entraînement qui utilise l'entité système @sys.number et que l'utilisateur final dit "Je veux deux", elle peut être reconnue comme "de", "2" ou "deux".

Si l'adaptation vocale automatique est activée, l'entité @sys.number sert d'indication à Dialogflow pendant la reconnaissance vocale, et le paramètre est plus susceptible d'être extrait pour "2".

Entités personnalisées

  • Si vous définissez une entité personnalisée pour les noms de produits ou de services proposés par votre entreprise, et que l'utilisateur final mentionne ces termes dans un énoncé, ils sont plus susceptibles d'être reconnus. Une phrase d'entraînement telle que "I love Dialogflow", où "Dialogflow" est annoté en tant qu'entité @product, indique à l'adaptation automatique de pencher pour "I love Dialogflow", "I love Cloud Speech" et de toutes autres entrées de l'entité @product.

  • Il est particulièrement important de définir des synonymes d'entité propres lorsque vous utilisez Dialogflow pour détecter la reconnaissance vocale. Imaginons que vous disposez de deux entrées d'entité @product, "Dialogflow" et "Dataflow". Vos synonymes de "Dialogflow" peuvent être "Dialogflow", "dialogue flow", "dialogue builder", "Speaktoit", "speak to it", "API.ai", "API dot AI". Ce sont des synonymes pertinents, car ils présentent les variantes les plus courantes. Vous n'avez pas besoin d'ajouter "the dialogue flow builder", car "dialogue flow" couvre déjà cette entrée.

  • Les énoncés de l'utilisateur avec des entités de nombre consécutives, mais distinctes, peuvent être ambigus. Par exemple, "Je veux deux packs de seize" peut signifier 2 quantités de 16 paquets, soit 216 quantités de paquets. L'adaptation vocale peut aider à clarifier les cas suivants si vous configurez des entités avec des valeurs épelées :
    • Définissez une entité quantity avec des entrées :
      zero
      one
      ...
      twenty
    • Définissez une entité product ou size avec des entrées :
      sixteen pack
      two ounce
      ...
      five liter
    • Seuls les synonymes des entités sont utilisés dans l'adaptation vocale. Vous pouvez ainsi définir une entité avec la valeur de référence 1 et un simple synonyme one pour simplifier votre logique de fulfillment.

Entités d'expression régulière

Les entités d'expression régulière peuvent déclencher l'adaptation vocale automatique pour les séquences alphanumériques et numériques telles que "ABC123" ou "12345" lorsqu'elles sont configurées et testées correctement.

Pour reconnaître ces séquences par commande vocale, implémentez les quatre exigences ci-dessous :

1. Exigence de saisie d'une expression régulière

Bien que n'importe quelle expression régulière puisse être utilisée pour extraire des entités d'entrées textuelles, seules certaines expressions indiquent à l'adaptation automatique de la reconnaissance vocale de privilégier les séquences alphanumériques ou de chiffres épelées lors de la reconnaissance vocale.

Dans l'entité regexp, au moins une entrée doit respecter toutes les règles suivantes :

  • Doit correspondre à des caractères alphanumériques, par exemple : \d, \w, [a-zA-Z0-9]
  • Ne doit pas contenir d'espace blanc   ou \s, bien que \s* et \s? soient autorisés
  • Ne doit pas contenir de groupes de capture ou de non-capture ()
  • Ne doit pas essayer de faire correspondre des caractères spéciaux ou des signes de ponctuation tels que : ` ~ ! @ # $ % ^ & * ( ) - _ = + , . < > / ? ; ' : " [ ] { } \ |

Cette entrée peut comporter des jeux de caractères [] et des quantificateurs de répétition tels que *, ?, +, {3,5}.

Consultez la section Exemples.

2. Exigence de définition des paramètres

Marquez l'entité d'expression régulière en tant que paramètre de formulaire requis pour pouvoir la collecter lors du remplissage du formulaire. Cela permet à l'adaptation vocale automatique de pencher fortement pour la reconnaissance de séquence au lieu d'essayer de reconnaître un intent et une séquence en même temps. Sinon, "Where is my package for ABC123" sera peut-être mal interprété comme "Where is my package 4ABC123".

3. Exigence d'annotation des expressions d'entraînement

N'utilisez pas l'entité d'expression régulière pour une annotation d'expression d'entraînement d'intent. Cela garantit que le paramètre est résolu lors du remplissage du formulaire.

4. Exigence concernant les tests

Consultez Tester l'adaptation vocale.

Exemples

Par exemple, une entité d'expression régulière avec une seule entrée ([a-zA-Z0-9]\s?){5,9} ne déclenche pas l'outil de reconnaissance de la séquence vocale, car elle contient un groupe de capture. Pour résoudre ce problème, ajoutez simplement une autre entrée pour [a-zA-Z0-9]{5,9}. Vous bénéficierez désormais de l'outil de reconnaissance de séquence lors de la mise en correspondance de "ABC123", mais la NLU continuera de mettre en correspondance des entrées telles que "ABC 123" grâce à la règle d'origine qui autorise les espaces.

Les exemples suivants d'expressions régulières s'adaptent aux séquences alphanumériques :

^[A-Za-z0-9]{1,10}$
WAC\d+
215[2-8]{3}[A-Z]+
[a-zA-Z]\s?[a-zA-Z]\s?[0-9]\s?[0-9]\s?[0-9]\s?[a-zA-Z]\s?[a-zA-Z]

Les exemples suivants d'expressions régulières s'adaptent aux séquences de chiffres :

\d{2,8}
^[0-9]+$
2[0-9]{7}
[2-9]\d{2}[0-8]{3}\d{4}
Solution de contournement avec une expression régulière

La compatibilité intégrée de l'adaptation vocale automatique avec les entités d'expression régulière varie selon la langue. Consultez la page Jetons de classe Speech pour connaître les langues compatibles avec $OOV_CLASS_ALPHANUMERIC_SEQUENCE et $OOV_CLASS_DIGIT_SEQUENCE.

Si votre langue n'est pas répertoriée, vous pouvez contourner cette limite. Par exemple, si vous souhaitez qu'un ID d'employé composé de trois lettres suivies de trois chiffres soit reconnu avec précision, vous pouvez créer votre agent avec les entités et paramètres suivants :

  • Définissez une entité digit contenant 10 entrées d'entité (avec des synonymes) :
    0, 0
    1, 1
    ...
    9, 9
  • Définissez une entité letter contenant 26 entrées d'entité (avec des synonymes) :
    A, A
    B, B
    ...
    Z, Z
  • Définissez une entité employee-id contenant une seule entrée d'entité (sans synonymes) :
    @letter @letter @letter @digit @digit @digit
  • Utilisez @employee-id comme paramètre dans une expression d'entraînement.

Adaptation vocale manuelle

L'adaptation manuelle de la reconnaissance vocale vous permet de configurer manuellement des expressions d'adaptation de la reconnaissance vocale pour un flux ou une page. Il remplace également les contextes vocaux implicites générés par l'adaptation vocale automatique lorsque celle-ci est activée.

Les paramètres d'adaptation vocale au niveau du flux et au niveau de la page ont une relation hiérarchique, ce qui signifie qu'une page hérite par défaut des paramètres d'adaptation vocale du niveau du flux et que le niveau de page plus précis remplace toujours le niveau du flux si la page dispose d'un paramètre personnalisé.

Pour le paramètre d'adaptation vocale, le paramètre au niveau du flux et le paramètre au niveau de la page peuvent être activés indépendamment. Si le paramètre d'adaptation au niveau du flux n'est pas activé, vous pouvez toujours choisir Personnaliser au niveau de la page pour activer l'adaptation manuelle de la reconnaissance vocale pour cette page spécifique. De même, si vous désactivez l'adaptation manuelle de la reconnaissance vocale dans les paramètres au niveau du flux, les pages du flux pour lesquelles l'option Personnaliser est sélectionnée ne seront pas affectées.

Toutefois, les paramètres au niveau du flux et de la page ne peuvent pas être désactivés indépendamment. Si l'adaptation manuelle de la reconnaissance vocale est activée pour un flux, vous ne pouvez pas la désactiver pour une page de ce flux via l'option Personnaliser. Par conséquent, si vous souhaitez utiliser à la fois l'adaptation vocale manuelle et l'adaptation vocale automatique pour les pages d'un flux, vous ne devez pas activer l'adaptation vocale manuelle au niveau du flux, mais uniquement utiliser les paramètres d'adaptation au niveau de la page. Vous pouvez vous référer au tableau ci-dessous pour comprendre quelle combinaison de paramètres de flux et de page vous devez utiliser pour votre cas d'adaptation.

Effet cible Utilisation recommandée des paramètres d'adaptation
Désactiver l'adaptation automatique pour un flux Flux activé sans ensembles d'expressions (les pages du flux utilisent par défaut le paramètre du flux).
Désactiver l'adaptation automatique pour une page Flux désactivé et page activée (option Personnaliser sélectionnée) sans ensembles d'expressions.
Utiliser uniquement l'adaptation manuelle de la reconnaissance vocale pour toutes les pages d'un flux Flux activé. Personnalisez les pages qui doivent utiliser des ensembles d'expressions différents de ceux du flux.
Utilisation mixte de l'adaptation automatique et manuelle dans un flux Flux désactivé. Personnalisez les pages auxquelles vous souhaitez appliquer l'adaptation manuelle.
Utiliser l'adaptation vocale automatique uniquement pour toutes les pages d'un flux Flux désactivé.

Activer ou désactiver l'adaptation manuelle de la reconnaissance vocale

Pour activer ou désactiver l'adaptation manuelle de la reconnaissance vocale au niveau du flux ou de la page :

Paramètres du flux

  1. Ouvrez la console Dialogflow CX.
  2. Sélectionnez votre projet Google Cloud .
  3. Passez la souris sur le flux dans la section Flows (Flux).
  4. Cliquez sur le bouton des options .
  5. Sélectionnez Flow Settings (Paramètres du flux) dans le menu déroulant.
  6. Cochez ou décochez la case Activer l'adaptation manuelle de la reconnaissance vocale.
  7. Modifier, ajouter ou supprimer des ensembles de phrases dans le tableau des ensembles de phrases
  8. Cliquez sur Enregistrer.

Paramètres de la page

  1. Ouvrez la console Dialogflow CX.
  2. Sélectionnez votre projet Google Cloud .
  3. Passez la souris sur la page dans la section Pages.
  4. Cliquez sur le bouton des options .
  5. Sélectionnez Paramètres de la page dans le menu déroulant.
  6. L'option Utiliser le niveau du flux est sélectionnée par défaut. Lorsque cette option est sélectionnée, les phrases d'adaptation au niveau du flux sont réutilisées pour cette page. Vous pouvez sélectionner Personnaliser pour configurer des expressions d'adaptation différentes des paramètres au niveau du flux. Même si l'adaptation manuelle de la reconnaissance vocale est désactivée au niveau du flux, vous pouvez toujours l'activer et la configurer pour une page de ce flux via l'option Personnaliser.
  7. Modifier, ajouter ou supprimer un ensemble de phrases dans le tableau des ensembles de phrases d'adaptation
  8. Cliquez sur Enregistrer.

Configuration manuelle d'un ensemble de phrases pour améliorer la reconnaissance vocale

1. Mots et expressions

Dans un ensemble de phrases d'adaptation, vous pouvez définir des expressions composées d'un ou de plusieurs mots, avec des références facultatives à des jetons de classe de reconnaissance vocale. Par exemple, vous pouvez ajouter des expressions telles que "taux avantageux", "le numéro de suivi est $OOV_CLASS_ALPHANUMERIC_SEQUENCE" ou "$FULLPHONENUM". Ces expressions fournies augmentent la probabilité qu'elles soient transcrites par rapport à d'autres expressions phonétiquement similaires. Lorsque vous ajoutez une expression composée de plusieurs mots sans boost, le biais est appliqué à la fois à l'expression entière et aux parties continues de l'expression. En général, le nombre d'expressions doit être limité et vous ne devez ajouter que les expressions que la reconnaissance vocale a du mal à identifier sans adaptation vocale. Si Speech-to-Text peut déjà reconnaître correctement une expression, il n'est pas nécessaire de l'ajouter aux paramètres d'adaptation vocale. Si vous voyez quelques expressions que Speech-to-Text ne reconnaît pas souvent sur une page ou un flux, vous pouvez ajouter les expressions correctes aux paramètres d'adaptation correspondants.

Exemple de correction d'erreur de reconnaissance

Voici un exemple d'utilisation de l'adaptation vocale pour corriger les problèmes de reconnaissance. Imaginons que vous conceviez un agent de vente de téléphones et que l'utilisateur puisse dire quelque chose incluant les expressions "vendre des téléphones" ou "téléphone portable" après que l'agent a posé sa première question "En quoi puis-je vous aider ?". Comment pouvons-nous utiliser l'adaptation vocale pour améliorer la précision de la reconnaissance de ces deux expressions ?

Si vous incluez les deux expressions dans les paramètres d'adaptation, Speech-to-Text peut toujours être confus, car elles se ressemblent. Si vous ne fournissez qu'une seule des deux expressions, Speech-to-Text risque de confondre l'une avec l'autre. Pour améliorer la précision de la reconnaissance vocale pour les deux expressions, vous devez fournir à Speech-to-Text davantage d'indices contextuels pour distinguer les cas où il doit entendre "sell phones" et ceux où il doit entendre "cell phone". Par exemple, vous remarquerez peut-être que les utilisateurs emploient souvent "sell phones" (vendre des téléphones) dans des énoncés tels que "how to sell phones" (comment vendre des téléphones), "want to sell phones" (je veux vendre des téléphones) ou "do you sell phones" (vendez-vous des téléphones), tandis qu'ils utilisent "cell phone" (téléphone portable) dans des énoncés tels que "purchase cell phone" (acheter un téléphone portable), "cell phone bill" (facture de téléphone portable) et "cell phone service" (service de téléphonie mobile). Si vous fournissez ces expressions plus précises au modèle au lieu des expressions d'origine courtes "cell phone" et "sell phones", Speech-to-Text apprendra que "sell phone" en tant que groupe verbal est plus susceptible de suivre des mots tels que "how to", "want to" et "do you", tandis que "cell phone" en tant que groupe nominal est plus susceptible de suivre des mots tels que "purchase" ou d'être suivi de mots tels que "bill" ou "service". Par conséquent, pour configurer des expressions d'adaptation, il est généralement préférable de fournir des expressions plus précises telles que "comment vendre des téléphones" ou "vendez-vous des téléphones" plutôt que d'inclure uniquement "vendre des téléphones".

2. Jetons de classe de reconnaissance vocale

Outre les mots en langage naturel, vous pouvez également intégrer des références à des jetons de classe de reconnaissance vocale dans une expression. Les jetons de classe de reconnaissance vocale représentent des concepts courants qui suivent généralement un certain format à l'écrit. Par exemple, pour le numéro d'une adresse telle que "123 Main Street", les utilisateurs s'attendent généralement à voir le format numérique "123" plutôt que sa version entièrement épelée "cent vingt-trois". Si vous attendez un certain formatage dans les résultats de la transcription, en particulier pour les séquences alphanumériques, veuillez consulter la liste des jetons de classe compatibles pour connaître les jetons disponibles pour votre langue et votre cas d'utilisation.

Si la page comporte déjà des routes d'intentions ou des paramètres avec des références à des entités système, voici un tableau de référence pour les mappages entre les entités système courantes et les jetons de classe de reconnaissance vocale :

Entités système Jetons de classe de reconnaissance vocale
@sys.date $MONTH $DAY $YEAR
@sys.date-time $MONTH $DAY $YEAR
@sys.date-period $MONTH $DAY $YEAR
@sys.time $TIME
@sys.time-period $TIME
@sys.age $OPERAND
@sys.number $OPERAND
@sys.number-integer $OPERAND
@sys.cardinal $OPERAND
@sys.ordinal $OPERAND
@sys.percentage $OPERAND
@sys.duration $OPERAND
@sys.currency-name $MONEY
@sys.unit-currency $MONEY
@sys.phone-number $FULLPHONENUM
@sys.zip-code $POSTALCODE ou $OOV_CLASS_POSTALCODE
@sys.address $ADDRESSNUM $STREET $POSTALCODE
@sys.street-address $ADDRESSNUM $STREET $POSTALCODE
@sys.temperature $OOV_CLASS_TEMPERATURE
@sys.number-sequence $OOV_CLASS_DIGIT_SEQUENCE
@sys.flight-number $OOV_CLASS_ALPHANUMERIC_SEQUENCE

3. Valeur d'amélioration

Si l'ajout d'expressions sans valeur de boost ne fournit pas un effet de pondération suffisamment fort, vous pouvez utiliser la valeur de boost pour renforcer l'effet de pondération de l'adaptation vocale.

L'amélioration applique un biais supplémentaire lorsqu'elle est définie sur des valeurs supérieures à 0 et inférieures ou égales à 20. Lorsque l'amélioration est vide ou définie sur 0, l'effet de pondération par défaut permet de reconnaître l'intégralité de l'expression et les parties continues de l'expression. Par exemple, une expression non boostée "êtes-vous ouvert pour vendre des téléphones" permet de reconnaître cette expression, ainsi que des expressions similaires telles que "Je vends des téléphones" et "Bonjour, êtes-vous ouvert".

Lorsqu'un boost positif est appliqué, l'effet de pondération est plus fort, mais il ne s'applique qu'à l'expression exacte. Par exemple, l'expression boostée "vendre des téléphones" permet de reconnaître "pouvez-vous vendre des téléphones", mais pas "vendez-vous des téléphones".

Pour ces raisons, vous obtiendrez de meilleurs résultats si vous fournissez des expressions avec et sans la fonctionnalité d'amélioration.

Des valeurs d'amélioration plus élevées peuvent réduire le nombre de faux négatifs, c'est-à-dire d'énoncés prononcés dans le contenu audio mais mal reconnus par Speech-to-Text (sous-pondération). Cependant, la fonctionnalité d'amélioration peut également augmenter la probabilité de faux positifs, c'est-à-dire d'énoncés qui figurent dans la transcription alors qu'ils n'ont pas été prononcés dans le contenu audio (surpondération). Vous devez généralement affiner vos expressions de pondération pour trouver un bon compromis entre les deux problèmes de pondération.

Pour en savoir plus sur l'ajustement de la valeur d'amélioration des expressions, consultez la documentation Cloud Speech sur l'amélioration.

Speech-to-Text V2 chirp_3 accepte jusqu'à 1 000 expressions au total par requête et ignore les valeurs numériques boost. Pour connaître les limites et les consignes d'adaptation de chirp_3, consultez Améliorer la précision grâce à l'adaptation de modèle.

Quand utiliser l'adaptation vocale automatique ou manuelle ?

En général, si vous ne savez pas si l'adaptation vocale améliorera la qualité de la reconnaissance vocale pour votre agent (aucun modèle d'erreur de transcription clair en tête), nous vous encourageons à essayer d'abord l'adaptation vocale automatique avant de recourir à l'adaptation vocale manuelle. Pour prendre des décisions plus nuancées, tenez compte des facteurs suivants pour choisir entre l'adaptation vocale automatique ou manuelle :

1. Remplissage de formulaire

L'adaptation vocale automatique fonctionne très bien avec le remplissage de formulaires, car elle utilise le contexte de grammaire ABNF pour les paramètres de formulaire et applique des règles de grammaire en fonction de leurs types d'entités. Étant donné que l'adaptation vocale manuelle n'est pas encore compatible avec les grammaires ABNF, l'adaptation vocale automatique est généralement préférée à l'adaptation vocale manuelle pour une page de remplissage de formulaire. Pour les pages ne contenant que des paramètres d'entité système et des entités d'expression régulière simples compatibles avec les jetons de classe de reconnaissance vocale, vous pouvez également utiliser l'adaptation manuelle de la reconnaissance vocale pour obtenir un effet de pondération semblable à l'adaptation automatique de la reconnaissance vocale sans avoir à ajuster les entités d'expression régulière.

2. Complexité de la transition entre les pages ou les flux

Pour une page ou un flux simple avec quelques routes d'intentions, l'adaptation automatique de la voix générera probablement des expressions de pondération représentatives et fonctionnera raisonnablement bien.

Toutefois, si une page ou un flux comporte un grand nombre de routes d'intent (pour une page, tenez également compte du nombre de routes au niveau du flux) ou si l'un des intents comporte des phrases d'entraînement sans importance trop longues ou trop courtes (par exemple, une phrase entière ou un seul mot d'une ou deux syllabes), il est très probable que le modèle d'adaptation vocale ne fonctionne pas bien avec ces phrases. Vous devez d'abord essayer de désactiver l'adaptation vocale pour les pages ouvertes très complexes en activant l'adaptation vocale manuelle avec des ensembles d'expressions vides (remplacement de l'adaptation vide). Ensuite, déterminez s'il existe des expressions spéciales non ambiguës qui doivent encore être fournies à Speech-to-Text pour améliorer la qualité de la reconnaissance.

Un autre symptôme de ce problème de complexité est l'apparition d'un large éventail de problèmes de sous-pondération ou de surpondération lorsque l'adaptation vocale automatique est activée. Comme dans le cas ci-dessus, vous devez également effectuer un test avec l'adaptation vocale désactivée pour la page spécifique. Si des comportements erronés persistent après la désactivation de l'adaptation vocale, vous pouvez ajouter les expressions que vous souhaitez corriger dans les paramètres d'adaptation vocale, et même ajouter des valeurs de boost pour renforcer les effets de biais si nécessaire.

Tester l'adaptation vocale

Lorsque vous testez les capacités d'adaptation vocale de votre agent pour une phrase d'entraînement ou une correspondance d'entité particulière, vous ne devez pas passer directement au test de la correspondance avec le premier énoncé vocal d'une conversation. Vous ne devez utiliser que des entrées vocales ou d'événement pour l'ensemble de la conversation avant la correspondance que vous souhaitez tester. Le comportement de votre agent lorsqu'il est testé de cette manière sera semblable à celui des conversations de production réelles.

Limites

Les limites suivantes s'appliquent :

  • L'adaptation vocale n'est pas disponible pour tous les modèles vocaux ni toutes les combinaisons de langues. Consultez la page Langues acceptées par Cloud Speech pour vérifier si l'adaptation de modèle est disponible pour votre combinaison de modèle de reconnaissance vocale et de langue.

  • Actuellement, l'adaptation manuelle de la reconnaissance vocale n'est pas encore compatible avec les classes personnalisées ni la grammaire ABNF. Vous pouvez activer l'adaptation vocale automatique ou utiliser la requête de détection d'intent d'exécution pour utiliser ces fonctionnalités d'adaptation.

  • La même valeur de boost peut donner des résultats différents selon les modèles de reconnaissance vocale et les langues. Soyez donc prudent lorsque vous les configurez manuellement pour des agents utilisant plusieurs langues ou modèles de reconnaissance vocale. Actuellement, l'adaptation manuelle de la reconnaissance vocale s'applique à toutes les langues d'un agent. Par conséquent, les agents multilingues ne doivent utiliser que des expressions indépendantes de la langue ou diviser chaque langue en un agent distinct. Étant donné que le comportement de pondération par défaut (sans boost ou avec un boost de 0) fonctionne généralement assez bien pour toutes les langues et tous les modèles, vous n'avez pas besoin de configurer des valeurs de boost spécifiques à la langue, sauf si une pondération plus forte est requise pour votre cas d'utilisation de reconnaissance. Pour en savoir plus sur l'ajustement de la valeur de boost, consultez ce guide Cloud Speech-to-Text.

  • La reconnaissance des séquences de caractères longues est difficile. Le nombre de caractères capturés en un seul tour est directement lié à la qualité de l'audio d'entrée. Si vous avez suivi toutes les consignes concernant les entités d'expression régulière et essayé d'utiliser des jetons de classe de reconnaissance vocale pertinents dans les paramètres d'adaptation manuelle de la reconnaissance vocale, mais que vous avez toujours du mal à capturer l'intégralité de la séquence en un seul tour, vous pouvez envisager d'autres solutions plus conversationnelles :
    • Lorsque vous validez la séquence par rapport à une base de données, pensez à faire référence aux autres paramètres collectés, tels que les dates, les noms ou les numéros de téléphone, afin d'autoriser les correspondances incomplètes. Par exemple, au lieu de demander simplement un numéro de commande à un utilisateur, demandez également son numéro de téléphone. Désormais, lorsque votre webhook interroge votre base de données pour connaître l'état de la commande, il s'appuie d'abord sur le numéro de téléphone, puis renvoie le numéro de commande correspondant le plus proche pour ce compte. Cela peut permettre à Dialogflow d'identifier "ABC" en tant que "AVC", mais de toujours renvoyer le correct état de la commande pour l'utilisateur.
    • Pour les séquences plus longues, envisagez de créer un flux qui encourage les utilisateurs finaux à faire une pause au milieu afin que le bot puisse confirmer au fur à mesure.
Précédent
Clonage vocal
Suivant
Paramètres vocaux avancés