Что такое ASR: распознавание речи простыми словами, сложности телефона и роль в ИИ-операторе
Команда Sado AI · · 3 мин чтения
Коротко
ASR (Automatic Speech Recognition — автоматическое распознавание речи) — технология, которая превращает сказанные слова в текст. Её ещё называют STT (speech-to-text, «речь в текст»). В телефонном звонке ASR слышит клиента и записывает: «завтра на семь вечера столик на шестерых». Сама ASR не отвечает и не понимает смысл — это только уши. В голосовом ИИ-операторе ASR — первое звено цепочки: речь превращается в текст, оператор понимает смысл, составляет ответ и произносит его голосом.
Как работает ASR
- Звук делится на короткие отрезки, в каждом определяется, какой там звук.
- Модель сопоставляет звуки со словами и выдаёт несколько вариантов.
- Часть, которая знает язык, выбирает вариант, подходящий по смыслу: из «на шестерых» и «на шестых» верен первый.
- Итог — текст, то есть транскрипт. Многие системы отмечают ещё и время каждого слова.
Качество часто меряют через WER (word error rate — доля ошибок в словах): сколько слов из 100 записано неверно. Но для бизнеса важнее другое: верно ли поняты имя, номер, дата и адрес.
Пример: бронь в ресторане в Яккасарае
В ресторан «Бахор» (название придумано) вечером много звонят насчёт брони. ASR может записать речь гостей так:
| Гость сказал | ASR записала | Что делать |
|---|---|---|
| «Ertaga kechki yettiga olti kishiga stol» | ertaga kechki yettiga olti kishiga stol | Всё верно, можно бронировать |
| «Banket zalingiz bormi, svadbaga» | banket zalingiz bormi svadbaga | Смешанная речь, разговор остаётся на узбекском |
| С улицы: «Chilonzordan kelamiz» | shilondan kelamiz | Шум: нужно переспросить слово |
| «Nomerim 90 123, 45, 67» | nomerim 90 123 45 | Номер неполный: нужно повторить его целиком и подтвердить |
Ошибки — это нормально, важно, что происходит потом. Хороший оператор, человек или ИИ, повторяет имя, номер и время и просит подтвердить.
Что мешает ASR по телефону
- Узкий телефонный звук: низкие и высокие частоты срезаются, «с», «ш» и «ч» звучат похоже.
- Шум: улица, машина, базар, дети дома.
- Смешанная речь: узбекские и русские слова в одной фразе.
- Диалекты и быстрая речь.
- Имена, названия улиц и товаров, цифры и даты.
- Двое говорят одновременно, или клиент отвлекается на человека рядом.
Роль ASR в ИИ-операторе
ASR только слушает. Чтобы ответить на звонок, нужна вся цепочка: распознать речь, понять смысл, составить ответ по данным компании, произнести его естественным голосом (что такое TTS), подключиться к телефонной линии и записать итог в CRM. Поэтому бизнесу, который ищет «узбекское распознавание речи», обычно нужен не отдельный сервис, а готовый оператор.
ИИ-оператор на узбекском языке Sado понимает узбекский и русский. Если в узбекскую речь вплетаются русские слова, разговор продолжается на узбекском, а по просьбе клиента оператор переходит на другой язык. Запись и полный текст каждого звонка хранятся в кабинете: видно, что оператор услышал и что ответил. Подробнее: голосовой оператор на узбекском и русском.
Как проверить ASR: чек-лист
- Позвоните из шумного места, например с улицы.
- Продиктуйте номер телефона частями: «90, 123, 45, 67».
- Назовите дату и время словами: «пятнадцатого ноября, в шесть вечера».
- Назовите имя, фамилию и улицу.
- Вставьте в узбекскую фразу русские слова, затем перейдите на русский.
- После звонка прочитайте текст и сравните с записью.
Проверьте сами: позвоните 78 778 01 23 или попробуйте вживую. Об ИИ-операторе для входящих звонков и другие вопросы: ответы о Sado.
Вопросы
ASR и STT — одно и то же?
Да. ASR — автоматическое распознавание речи, STT — «речь в текст». Это два названия одной технологии, которая превращает голос в текст.
Понимает ли ASR узбекский язык?
Системы, распознающие узбекский, есть, но качество разное, особенно на телефонном звуке и смешанной речи. Проверяйте на том языке, на котором говорят ваши клиенты, и из шумного места.
Сохраняет ли Sado текст звонков?
Да, запись и полный текст каждого звонка хранятся в кабинете, на каком бы языке ни шёл разговор. Данные защищены: срок хранения ограничен, удаление можно запросить.