Adattamento vocale

Quando esegui una richiesta di rilevamento dell'intent, puoi facoltativamente fornire phrase_hints per fornire suggerimenti al sistema di riconoscimento vocale. Questi suggerimenti possono aiutare con il riconoscimento in uno stato di conversazione specifico.

Nota: se fornisci un valore phrase_hints esplicito non vuoto per una richiesta di rilevamento dell'intent, viene eseguito l'override della configurazione esplicita dell'adattamento del parlato nella console e dei suggerimenti impliciti del contesto del parlato generati dall'adattamento automatico del parlato per la configurazione dell'audio di input (da voce a testo).

Adattamento vocale automatico

La funzionalità di adattamento automatico del parlato migliora l'accuratezza del riconoscimento vocale dell'agente utilizzando automaticamente lo stato della conversazione per passare entità e frasi di addestramento pertinenti come suggerimenti di contesto vocale per tutte le richieste di rilevamento dell'intent. Questa funzionalità è disattivata per impostazione predefinita.

Importante: quando utilizzi Speech-to-Text V2 chirp_3, mantieni disattivata l'opzione Abilita l'adattamento automatico del parlato. L'adattamento automatico del parlato genera suggerimenti di frasi ampie e grammatiche ABNF non supportate da chirp_3.

Attiva o disattiva l'adattamento automatico del parlato

Per attivare o disattivare l'adattamento automatico del parlato:

Console

1. Apri la console Dialogflow CX.
2. Scegli il tuo progetto Google Cloud .
3. Seleziona l'agente.
4. Fai clic su Impostazioni agente.
5. Fai clic sulla scheda Sintesi vocale e IVR.
6. Attiva o disattiva l'opzione Abilita l'adattamento automatico del parlato.
7. Fai clic su Salva.

API

Consulta i metodi get e patch/update per il tipo Agent. Vai al riferimento API Agent

Seleziona un protocollo e una versione per il riferimento dell'agente:

Protocollo	V3	V3beta1
REST	Risorsa agente	Risorsa agente
RPC	Interfaccia agente	Interfaccia agente
C++	AgentsClient	Non disponibile
C#	AgentsClient	Non disponibile
Vai	AgentsClient	Non disponibile
Java	AgentsClient	AgentsClient
Node.js	AgentsClient	AgentsClient
PHP	Non disponibile	Non disponibile
Python	AgentsClient	AgentsClient
Ruby	Non disponibile	Non disponibile

Close

Progettazione dell'agente per migliorare il riconoscimento vocale

Con l'adattamento automatico del parlato attivato, puoi creare l'agente in modo da sfruttarlo. Le sezioni seguenti spiegano come migliorare il riconoscimento vocale con alcune modifiche alle frasi di addestramento e alle entità dell'agente.

Frasi di addestramento

• Se definisci frasi di addestramento con una frase come "naso chiuso", un'espressione dell'utente finale con un suono simile viene riconosciuta in modo affidabile come "naso chiuso" e non "caso chiuso".

• Quando hai un parametro obbligatorio che forza Dialogflow a mostrare prompt di compilazione dei moduli, l'adattamento automatico del parlato sarà fortemente orientato verso l'entità da compilare.

In tutti i casi, l'adattamento automatico del parlato influisce solo sul riconoscimento vocale, non lo limita. Ad esempio, anche se Dialogflow richiede a un utente un parametro obbligatorio, gli utenti potranno comunque attivare altri intent, come un intent di primo livello "parla con un agente".

Entità di sistema

Se definisci una frase di addestramento che utilizza l'@sys.number entità di sistema e l'utente finale dice "Ne voglio due", potrebbe essere riconosciuta come "to", "too", "2" o "two".

Con l'adattamento automatico del parlato attivato, Dialogflow utilizza l'entità @sys.number come suggerimento durante il riconoscimento vocale e il parametro ha maggiori probabilità di essere estratto come "2".

Entità personalizzate

• Se definisci un'entità personalizzata per i nomi di prodotti o servizi offerti dalla tua azienda e l'utente finale menziona questi termini in un'espressione, è più probabile che vengano riconosciuti. Una frase di addestramento "Adoro Dialogflow", in cui "Dialogflow" è annotato come entità @product, indicherà all'adattamento automatico del parlato di dare priorità a "Adoro Dialogflow", "Adoro Cloud Speech" e a tutte le altre voci nell'entità @product.

• È particolarmente importante definire sinonimi di entità chiari quando utilizzi Dialogflow per rilevare il parlato. Immagina di avere due voci di entità @product, "Dialogflow" e "Dataflow". I sinonimi di "Dialogflow" potrebbero essere "Dialogflow", "dialogue flow", "dialogue builder", "Speaktoit", "speak to it", "API.ai", "API dot AI". Questi sono buoni sinonimi perché coprono le varianti più comuni. Non è necessario aggiungere "the dialogue flow builder" perché "dialogue flow" copre già questo aspetto.

Nota: perché è importante? Supponiamo di avere due entità, "Dialogflow" e "Dataflow", e due sinonimi, "the dialogue flow builder" e "Google Cloud Dataflow". Un utente finale potrebbe ragionevolmente dire "Google Cloud Dialogflow", ma poiché non esiste un sinonimo "Google Cloud Dialogflow", il riconoscimento vocale probabilmente sentirà "Google Cloud Dataflow" perché le definizioni delle entità sono orientate verso questa frase. Analogamente, se qualcuno dice "the dataflow builder", la funzionalità di riconoscimento vocale molto probabilmente sentirà "the dialogue flow builder" perché è l'unica entità definita con "builder". Per ottenere un rendimento migliore, definisci solo le frasi chiave come indicato nel punto precedente. In sintesi, fai attenzione a non aggiungere dati generici alle definizioni delle entità, poiché è per questo che sono progettate le frasi di addestramento degli intenti. Una frase di addestramento "Google Cloud Dataflow", in cui "Dataflow" è annotato come entità @product, consente all'adattamento automatico del parlato di ascoltare "Google Cloud Dataflow" e "Google Cloud Dialogflow" con lo stesso peso. Per ulteriori best practice, consulta Progettazione degli agenti.

• Gli enunciati degli utenti con entità numeriche consecutive ma distinte possono essere ambigui. Ad esempio, "Voglio due confezioni da sedici" potrebbe significare 2 quantità di 16 confezioni o 216 quantità di confezioni. L'adattamento del parlato può aiutare a risolvere l'ambiguità di questi casi se configuri le entità con valori scritti per esteso:
  • Definisci un'entità quantity con le voci:
    zero
one
...
twenty
  • Definisci un'entità product o size con le voci:
    sixteen pack
two ounce
...
five liter
  • Solo i sinonimi delle entità vengono utilizzati nell'adattamento vocale, quindi puoi definire un'entità con valore di riferimento 1 e sinonimo singolo one per semplificare la logica di fulfillment.

Entità Regexp

Le entità Regexp possono attivare l'adattamento automatico del parlato per sequenze alfanumeriche e numeriche come "ABC123" o "12345" se configurate e testate correttamente.

Per riconoscere queste sequenze tramite comandi vocali, implementa tutti e quattro i requisiti riportati di seguito:

1. Requisito di immissione dell'espressione regolare

Sebbene sia possibile utilizzare qualsiasi espressione regolare per estrarre entità dagli input di testo, solo alcune espressioni indicheranno all'adattamento automatico del parlato di dare priorità alle sequenze alfanumeriche o di cifre scritte per esteso durante il riconoscimento vocale.

Nell'entità regexp, almeno una voce deve seguire tutte queste regole:

• Deve corrispondere ad alcuni caratteri alfanumerici, ad esempio: \d, \w, [a-zA-Z0-9]
• Non deve contenere spazi vuoti   o \s, anche se \s* e \s? sono consentiti
• Non deve contenere gruppi Capture o non Capture ()
• Non deve cercare di trovare corrispondenze con caratteri speciali o segni di punteggiatura come: ` ~ ! @ # $ % ^ & * ( ) - _ = + , . < > / ? ; ' : " [ ] { } \ |

Questa voce può avere set di caratteri [] e quantificatori di ripetizione come *, ?, +, {3,5}.

Guarda gli esempi.

2. Requisito di definizione dei parametri

Contrassegna l'entità regexp come parametro del modulo obbligatorio, in modo che possa essere raccolta durante la compilazione del modulo. In questo modo, l'adattamento automatico del parlato può dare una forte priorità al riconoscimento della sequenza, anziché tentare di riconoscere un intent e una sequenza contemporaneamente. In caso contrario, "Dov'è il mio pacco per ABC123" potrebbe essere riconosciuto erroneamente come "Dov'è il mio pacco 4ABC123".

3. Requisito di annotazione delle frasi di addestramento

Non utilizzare l'entità regexp per un'annotazione della frase di addestramento dell'intent. In questo modo, il parametro viene risolto durante la compilazione del modulo.

4. Requisito per i test

Consulta la sezione Test dell'adattamento vocale.

Esempi

Ad esempio, un'entità regexp con una singola voce ([a-zA-Z0-9]\s?){5,9} non attiverà il riconoscimento della sequenza vocale perché contiene un gruppo Capture. Per risolvere il problema, aggiungi un'altra voce per [a-zA-Z0-9]{5,9}. Ora potrai usufruire del riconoscimento delle sequenze quando viene trovata una corrispondenza con "ABC123", ma la NLU troverà comunque corrispondenze con input come "ABC 123" grazie alla regola originale che consente gli spazi.

I seguenti esempi di espressioni regolari si adattano alle sequenze alfanumeriche:

^[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]

I seguenti esempi di espressioni regolari si adattano alle sequenze di cifre:

\d{2,8}
^[0-9]+$
2[0-9]{7}
[2-9]\d{2}[0-8]{3}\d{4}

Soluzione alternativa con espressione regolare

Il supporto integrato dell'adattamento automatico del parlato per le entità regexp varia in base alla lingua. Controlla i token di classe vocale per le lingue supportate da $OOV_CLASS_ALPHANUMERIC_SEQUENCE e $OOV_CLASS_DIGIT_SEQUENCE.

Se la tua lingua non è presente nell'elenco, puoi aggirare questa limitazione. Ad esempio, se vuoi che un ID dipendente composto da tre lettere seguite da tre cifre venga riconosciuto con precisione, puoi creare l'agente con le seguenti entità e parametri:

• Definisci un'entità digit che contiene 10 voci di entità (con sinonimi):
  0, 0
1, 1
...
9, 9
• Definisci un'entità letter che contiene 26 voci di entità (con sinonimi):
  A, A
B, B
...
Z, Z
• Definisci un'entità employee-id che contiene una singola voce di entità (senza sinonimi):
  @letter @letter @letter @digit @digit @digit
• Utilizza @employee-id come parametro in una frase di addestramento.

Nota: la voce dell'entità employee-id richiede uno spazio vuoto tra entità consecutive per essere una definizione di entità valida. Per questo motivo, una query di testo "ABC123" non viene trovata, ma un'espressione vocale "A B C 1 2 3" viene trovata perché l'adattamento automatico del parlato darà priorità agli spazi.

Adattamento vocale manuale

L'adattamento vocale manuale consente di configurare manualmente le frasi di adattamento vocale per un flusso o una pagina. Inoltre, esegue l'override dei contesti vocali impliciti generati dall'adattamento automatico del parlato, se quest'ultimo è abilitato.

Le impostazioni di adattamento del parlato a livello di flusso e di pagina hanno una relazione gerarchica, il che significa che una pagina eredita le impostazioni di adattamento del parlato dal livello di flusso per impostazione predefinita e il livello di pagina più granulare esegue sempre l'override del livello di flusso se la pagina ha un'impostazione personalizzata.

Per l'impostazione di adattamento del parlato, l'impostazione a livello di flusso e l'impostazione a livello di pagina possono essere attivate in modo indipendente. Se l'impostazione di adattamento a livello di flusso non è attivata, puoi comunque scegliere Personalizza a livello di pagina per attivare l'adattamento vocale manuale per quella pagina specifica. Analogamente, se disattivi l'adattamento vocale manuale nell'impostazione a livello di flusso, le pagine del flusso con l'opzione Personalizza selezionata non saranno interessate.

Tuttavia, l'impostazione a livello di flusso e l'impostazione a livello di pagina non possono essere disattivate in modo indipendente. Se per un flusso è abilitato l'adattamento vocale manuale, non puoi disabilitarlo per una pagina del flusso tramite l'opzione Personalizza. Pertanto, se vuoi utilizzare un uso misto dell'adattamento vocale manuale e automatico per le pagine di un flusso, non devi attivare l'adattamento vocale manuale a livello di flusso, ma devi utilizzare solo le impostazioni di adattamento a livello di pagina. Puoi fare riferimento alla tabella riportata di seguito per capire quale combinazione di impostazioni di flusso e pagina devi utilizzare per il tuo caso di adattamento.

Effetto target	Utilizzo consigliato delle impostazioni adattive
Disattiva l'adattamento automatico per un flusso	Flusso attivato senza set di frasi (per impostazione predefinita, le pagine all'interno del flusso utilizzano l'impostazione del flusso).
Disattiva l'adattamento automatico per una pagina	Flusso disattivato e pagina attivata (opzione Personalizza scelta) senza set di frasi.
Utilizza l'adattamento vocale manuale solo per tutte le pagine di un flusso	Flusso attivato. Personalizza le pagine che devono utilizzare insiemi di frasi diversi dal flusso.
Utilizzo misto di adattamento automatico e manuale all'interno di un flusso	Flusso disattivato. Personalizza le pagine a cui vuoi applicare l'adattamento manuale.
Utilizza solo l'adattamento automatico del parlato per tutte le pagine di un flusso	Flusso disattivato.

Nota: l'adattamento vocale manuale non supporta ancora gli agenti multilingue.

Attiva o disattiva l'adattamento vocale manuale

Per attivare o disattivare l'adattamento vocale manuale a livello di flusso o di pagina:

Impostazioni del flusso

1. Apri la console Dialogflow CX.
2. Scegli il tuo progetto Google Cloud .
3. Passa il mouse sopra il flusso nella sezione Flussi.
4. Fai clic sul pulsante delle opzioni .
5. Seleziona Impostazioni flusso nel menu a discesa.
6. Seleziona o deseleziona la casella di controllo Abilita l'adattamento vocale manuale.
7. Modifica, aggiungi o elimina i set di frasi nella tabella dei set di frasi
8. Fai clic su Salva.

Impostazioni pagina

1. Apri la console Dialogflow CX.
2. Scegli il tuo progetto Google Cloud .
3. Passa il mouse sopra la pagina nella sezione Pagine.
4. Fai clic sul pulsante delle opzioni .
5. Seleziona Impostazioni pagina nel menu a discesa.
6. L'opzione Utilizza il livello di flusso è selezionata per impostazione predefinita e, se scelta, le frasi di adattamento a livello di flusso verranno riutilizzate per questa pagina. Puoi scegliere Personalizza per configurare frasi di adattamento diverse dalle impostazioni a livello di flusso. Anche se l'adattamento vocale manuale è disattivato a livello di flusso, puoi comunque attivarlo e configurarlo per una pagina di quel flusso tramite l'opzione Personalizza.
7. Modifica, aggiungi o elimina un set di frasi nella tabella dei set di frasi di adattamento
8. Fai clic su Salva.

Configurazione manuale del set di frasi per migliorare il riconoscimento vocale

1. Parole e frasi

In un set di frasi di adattamento, puoi definire frasi di una o più parole con riferimenti facoltativi ai token delle classi di riconoscimento vocale. Ad esempio, puoi aggiungere frasi come "ottima tariffa", "il numero di tracciamento è $OOV_CLASS_ALPHANUMERIC_SEQUENCE" o "$FULLPHONENUM". Queste frasi fornite aumentano la probabilità che vengano trascritte rispetto ad altre frasi foneticamente simili. Quando aggiungi una frase composta da più parole senza alcun boost, l'influenza viene applicata sia all'intera frase sia alle parti continue all'interno della frase. In generale, il numero di frasi deve essere ridotto e devi aggiungere solo le frasi che il riconoscimento vocale fatica a comprendere correttamente senza l'adattamento del parlato. Se Speech-to-Text è già in grado di riconoscere correttamente una frase, non è necessario aggiungerla alle impostazioni di adattamento del riconoscimento vocale. Se noti alcune frasi che Speech-to-Text spesso non riconosce in una pagina o in un flusso, puoi aggiungere le frasi corrette alle impostazioni adattive corrispondenti.

Nota: esiste un limite di 75 caratteri per ogni frase di adattamento del parlato e in totale possono essere presenti al massimo 1200 frasi (o 1000 frasi se utilizzi Speech-to-Text V2 chirp_3). Quando superi questi limiti, puoi visualizzare i messaggi di avviso di convalida corrispondenti nella finestra di modifica del set di frasi.

Esempio di correzione degli errori di riconoscimento

Ecco un esempio di come puoi utilizzare l'adattamento del parlato per correggere i problemi di riconoscimento. Supponiamo che tu stia progettando un agente di trading di smartphone e che l'utente possa dire qualcosa che includa le frasi "vendi smartphone" o "smartphone" dopo che l'agente ha posto la prima domanda "Per cosa ti serve aiuto?". Come possiamo utilizzare l'adattamento del parlato per migliorare l'accuratezza del riconoscimento di entrambe le frasi?

Se includi entrambe le frasi nelle impostazioni adattive, Speech-to-Text potrebbe comunque confondersi, poiché hanno un suono simile. Se fornisci solo una delle due frasi, Speech-to-Text potrebbe riconoscere erroneamente una frase come l'altra. Per migliorare l'accuratezza del riconoscimento vocale per entrambe le frasi, devi fornire a Speech-to-Text più indizi di contesto per distinguere quando deve ascoltare "sell phones" e quando deve ascoltare "cell phone". Ad esempio, potresti notare che le persone usano spesso "sell phones" (vendere telefoni) come parte di espressioni come "how to sell phones" (come vendere telefoni), "want to sell phones" (voglio vendere telefoni) o "do you sell phones" (vendi telefoni), mentre "cell phone" (cellulare) come parte di espressioni come "purchase cell phone" (acquistare un cellulare), "cell phone bill" (bolletta del cellulare) e "cell phone service" (servizio di telefonia mobile). Se fornisci al modello queste frasi più precise anziché le brevi frasi originali "cell phone" e "sell phones", Speech-to-Text apprenderà che "sell phone" come sintagma verbale è più probabile che segua parole come "how to", "want to" e "do you", mentre "cell phone" come sintagma nominale è più probabile che segua parole come "purchase" o sia seguito da parole come "bill" o "service". Pertanto, come regola generale per la configurazione delle frasi di adattamento, di solito è meglio fornire frasi più precise come "come vendere telefoni" o "vendi telefoni" anziché includere solo "vendere telefoni".

2. Token di classe di riconoscimento vocale

Oltre alle parole in linguaggio naturale, puoi anche incorporare riferimenti ai token della classe vocale in una frase. I token di classe vocale rappresentano concetti comuni che di solito seguono un determinato formato nella scrittura. Ad esempio, per il numero civico in un indirizzo come "123 Main Street", le persone di solito si aspettano di vedere il formato numerico "123" anziché la versione scritta per esteso "centoventitré". Se prevedi una determinata formattazione nei risultati della trascrizione, in particolare per le sequenze alfanumeriche, consulta l'elenco dei token di classe supportati per vedere quali token sono disponibili per la tua lingua e il tuo caso d'uso.

Se la pagina contiene già route per intent o parametri con riferimenti a entità di sistema, ecco una tabella di riferimento per le mappature tra entità di sistema comuni e token di classe vocale:

Entità di sistema	Token di classe di riconoscimento 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 o $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. Valore boost

Se l'aggiunta di frasi senza il valore di boost non fornisce un effetto di bias sufficientemente forte, puoi utilizzare il valore di boost per rafforzare ulteriormente l'effetto di bias dell'adattamento del parlato.

Il boost applica un bias aggiuntivo se impostato su valori maggiori di 0 e non superiori a 20. Quando il boost è vuoto o pari a 0, l'effetto di bias predefinito aiuta a riconoscere l'intera frase e le parti continue al suo interno. Ad esempio, una frase non potenziata "siete aperti per vendere telefoni" aiuta a riconoscere quella frase e anche frasi simili come "Io vendo telefoni" e "Ciao siete aperti".

Quando viene applicato un boost positivo, l'effetto di bias è più forte, ma si applica solo alla frase esatta. Ad esempio, una frase con boost "vendi telefoni" aiuta a riconoscere "puoi vendi telefoni", ma non "vendi telefoni".

Per questi motivi, otterrai i risultati migliori se fornisci frasi sia con che senza boost.

Valori di boost più elevati possono comportare un numero inferiore di falsi negativi, ovvero casi in cui la parola o la frase si è verificata nell'audio, ma non è stata riconosciuta correttamente da Speech-to-Text (underbiasing). Tuttavia, il boost può anche aumentare la probabilità di falsi positivi, ovvero casi in cui la parola o la frase appare nella trascrizione anche se non è presente nell'audio (overbiasing). In genere, è necessario ottimizzare le frasi di bias per trovare un buon compromesso tra i due problemi di bias.

Puoi scoprire di più su come ottimizzare il valore di boost per le frasi nel documento di Cloud Speech sul boost.

Speech-to-Text V2 chirp_3 supporta fino a 1000 frasi totali per richiesta e ignora i valori numerici boost. Per i limiti e le linee guida per l'adattamento di chirp_3, consulta Migliora l'accuratezza con l'adattamento del modello.

Quando utilizzare l'adattamento del parlato automatico o manuale

In generale, se non hai la certezza che l'adattamento vocale migliorerà la qualità del riconoscimento vocale per il tuo agente (non hai in mente pattern di errori di trascrizione chiari), ti consigliamo di provare prima l'adattamento vocale automatico prima di ricorrere all'adattamento vocale manuale. Per decisioni più precise, considera i seguenti fattori per scegliere tra l'adattamento automatico del parlato o l'adattamento manuale del parlato:

1. Compilazione di moduli

L'adattamento automatico del parlato funziona molto bene con la compilazione dei moduli, poiché utilizza il contesto della grammatica ABNF per i parametri del modulo e applica le regole grammaticali in base ai tipi di entità. Poiché l'adattamento vocale manuale non supporta ancora le grammatiche ABNF, l'adattamento vocale automatico è generalmente preferito rispetto all'adattamento vocale manuale per una pagina di compilazione di moduli. Tuttavia, per le pagine con solo parametri di entità di sistema ed entità regexp semplici supportate dai token di classe vocale, puoi anche utilizzare l'adattamento vocale manuale per ottenere un effetto di bias simile all'adattamento vocale automatico senza la necessità di ottimizzare le entità regexp.

2. Complessità della transizione tra pagine o flussi

Per una pagina o un flusso semplice con alcuni percorsi di intent, l'adattamento automatico del parlato genererà probabilmente frasi di bias rappresentative e funzionerà ragionevolmente bene.

Tuttavia, se una pagina o un flusso ha un numero elevato di route di intent (per una pagina, considera anche il numero di route a livello di flusso) o se uno degli intent ha frasi di addestramento non importanti eccessivamente lunghe o brevi (ad esempio, un'intera frase o una singola parola con solo una o due sillabe), è molto probabile che il modello di adattamento vocale non funzioni bene con queste frasi. Innanzitutto, prova a disattivare l'adattamento del parlato per le pagine con domande aperte ad alta complessità attivando l'adattamento del parlato manuale con set di frasi vuoti (override dell'adattamento vuoto). Dopodiché, valuta se esistono frasi speciali non ambigue che devono comunque essere fornite a Speech-to-Text per migliorare la qualità del riconoscimento.

Un altro sintomo di questo problema di complessità è la presenza di un'ampia gamma di problemi di bias insufficiente o eccessivo quando l'adattamento automatico del parlato è abilitato. Come nel caso precedente, devi anche eseguire il test con l'adattamento vocale disattivato per la pagina specifica. Se i comportamenti errati persistono dopo aver disattivato l'adattamento del parlato, puoi aggiungere le frasi che vuoi correggere nelle impostazioni di adattamento del parlato e persino aggiungere valori di boost per rafforzare ulteriormente gli effetti di bias, se necessario.

Test dell'adattamento vocale

Quando testi le funzionalità di adattamento vocale dell'agente per una determinata frase di addestramento o corrispondenza di entità, non devi passare direttamente al test della corrispondenza con la prima espressione vocale di una conversazione. Devi utilizzare solo input vocali o di eventi per l'intera conversazione prima della corrispondenza che vuoi testare. Il comportamento dell'agente testato in questo modo sarà simile a quello delle conversazioni di produzione effettive.

Nota: se stai testando il primo turno di conversazione di un agente di telefonia che normalmente utilizza l'evento WELCOME, devi richiamare questo evento prima di testare la corrispondenza.

Limitazioni

Si applicano le seguenti limitazioni:

• L'adattamento del parlato non è disponibile per tutti i modelli vocali e le combinazioni di lingue. Consulta la pagina delle lingue supportate da Cloud Speech per verificare se l'adattamento del modello è disponibile per la combinazione di modello vocale e lingua.

• Al momento, l'adattamento manuale del parlato non supporta ancora le classi personalizzate o la grammatica ABNF. Puoi attivare l'adattamento automatico del parlato o utilizzare la richiesta di rilevamento dell'intent di runtime per sfruttare queste funzionalità di adattamento.

• Lo stesso valore di boost può avere un rendimento diverso per modelli vocali e lingue differenti, quindi fai attenzione quando li configuri manualmente per gli agenti che utilizzano più lingue o modelli vocali. Al momento, l'adattamento vocale manuale si applica a tutte le lingue di un agente, pertanto gli agenti multilingue devono utilizzare solo frasi indipendenti dalla lingua o suddividere ogni lingua in un agente separato. Poiché il comportamento di biasing predefinito (senza boost o con boost pari a 0) in genere funziona abbastanza bene per tutte le lingue e tutti i modelli, non è necessario configurare valori di boost specifici per la lingua, a meno che non sia richiesto un biasing più forte per il tuo caso d'uso di riconoscimento. Puoi scoprire di più su come ottimizzare il valore di boost in questa guida di Cloud Speech-to-Text.

• Riconoscere sequenze di caratteri lunghe è difficile. Il numero di caratteri acquisiti in un singolo turno è direttamente correlato alla qualità dell'audio di input. Se hai seguito tutte le linee guida per le entità regexp e hai provato a utilizzare i token di classe vocale pertinenti nelle impostazioni di adattamento vocale manuale, ma hai ancora difficoltà ad acquisire l'intera sequenza in un unico turno, puoi prendere in considerazione alcune alternative più conversazionali:
  • Quando convalidi la sequenza rispetto a un database, valuta la possibilità di fare un controllo incrociato con altri parametri raccolti, come date, nomi o numeri di telefono, per consentire corrispondenze incomplete. Ad esempio, oltre a chiedere a un utente il numero dell'ordine, chiedi anche il suo numero di telefono. Ora, quando il webhook esegue una query sul database per lo stato dell'ordine, può fare affidamento prima sul numero di telefono e poi restituire l'ordine con la corrispondenza più vicina per quell'account. In questo modo, Dialogflow potrebbe interpretare erroneamente "ABC" come "AVC", ma restituire comunque lo stato dell'ordine corretto per l'utente.
  • Per sequenze molto lunghe, valuta la possibilità di progettare un flusso che incoraggi gli utenti finali a fare una pausa a metà, in modo che il bot possa confermare man mano che procedi.