Til danske stemmeagenter
Når brugeren holder en pause, skal agenten vide, om den skal svare nu eller vente. Modellen lytter til tonefaldet og afgør det 200 ms inde i pausen. Den bruger kun lyden, ikke ordene.
Demo
Tryk på mikrofonen og tal dansk. Demoen opfører sig som en agent: ved hver pause afgør modellen, om du er færdig. Er du det, stopper optagelsen af sig selv. Prøv også at holde en pause midt i en sætning.
Agenten svarer, når modellen er mindst så sikker på, at du er færdig. En højere tærskel giver færre afbrydelser, men langsommere svar: ved 80 % afbryder den kun 9,0 % af pauserne, men svarer i snit efter 0,72 s.
En stilhedstimer ved kun, at der er stille. Modellen hører, hvordan du sluttede: om tonen faldt, om rytmen lukkede, og hvordan det sidste ord lød.
Systemet opdager, at brugeren er holdt op med at tale.
Den lytter til de sidste 8 sekunders tale og giver én sandsynlighed for, at turen er slut.
Er modellen sikker nok, svarer agenten med det samme. Ellers venter den, og en stilhedstimer tager over, hvis brugeren ikke siger mere.
Resultater
De fleste stemmeagenter svarer efter en fast tids stilhed. En kort timer afbryder folk, der tænker; en lang gør agenten langsom. Ved næsten samme svartid afbryder modellen langt sjældnere.
Målt på 96.110 pauser, som modellen ikke har set før. Søjlerne i hver række bruger samme skala.
Den virker bedst på naturligt, talt dansk tæt på mikrofonen. Telefonlyd og lyd optaget langt fra mikrofonen er ikke testet.
Den lytter til tonefald, ikke grammatik. Slutter du midt i en sætning med faldende tone, kan den tro, at du er færdig.
TTS-stemmer har ikke det samme naturlige tonefald. Prøv derfor med din egen stemme.
Vi hjælper med at bygge den ind i jeres stemmeagent, så den svarer på det rigtige tidspunkt.