Доклад посвящен практическим аспектам применения речевых интерфейсов на основе опыта разработки телефонных систем для контакт-центров. В докладе будут описаны основные ограничения, вызванные качеством распознавания речи, спонтанным характером речи и когнитивными способностями человека. Кроме того, будут рассмотрены основные метрики эффективности интерфейсов и лучшие практики, применяемые в их разработке. Наконец, часть доклада будет касаться того, как появление дополнительной модальности способно повысить эффективность речевых интерфейсов.

1. Унимодальные речевые
интерфейсы: проблемы и
перспективы
Владислав Мараев, Центр речевых технологий

2. Центр речевых технологий
20 лет
инноваций
Более 370
сотрудников
80%
28
30 лет
ученые и программисты
кандидатов наук
средний возраст сотрудников

3. Области применения
унимодальных речевых интерфейсов
• Автомобили
• Здравоохранение
• Военные симуляторы
• Контакт-центры
• Умный дом
• Мобильные и web-консультанты
3

4. 4
Отличия от графического интерфейса
VUI GUI
Мало информации в
локусе внимания
Много информации в
локусе внимания
Последовательный Параллельный
Занимает время
(или тратит?)
Занимает
пространство
Много ошибок Мало ошибок
Информация
ускользает
Стабильность
информации в локусе
Автоматизация
GUI
VUI
Качество дизайна

5. Ограничения речевых интерфейсов
Распознавание речи-
• компьютер распознает иначе
• коррекция ошибок: речь по
слогам
• ограничение грамматик и
языковых моделей
• изменения в акустических
моделях
Разговорная речь-
• спонтанный характер речи
• этикет в разговоре
• антропоморфизм
• выразительные средства
!
Когнитивные ограничения-
• медленное последовательное восприятие
• кратковременная память
• параллельная активность будет мешать
Goal-oriented vs Process-oriented-
Важно учитывать то, что
у абонентов всегда есть цель
5

6. Ответим на несколько вопросов
• Женский голос или мужской?
• Антропоморфизм: радость или зло?
• Шутим ли шутки, реагируем ли на мат?
• У кого инициатива: у пользователя или у системы?
• Синтез или предзаписанные сообщения?
• SLM или грамматики?
6

7. Рекомендации (1)
• Постоянство и предсказуемость.
• Простые и короткие фразы, особенно, самая первая фраза.
• Говорить, что система автоматическая и управляется голосом.
• Коррекция ошибок во избежание FA.
• В какой момент возможно перебить?
• Система должна общаться на языке абонентов.
• В некоторых случаях DTMF может быть полезен.
7

8. Рекомендации (2)
• Опции меню не должны звучать похоже.
• Говорить только то, что действительно нужно, когда это нужно.
• Избегать чередования распознавания и DTMF, грамматик и SLM.
• “Скажите”, “Произнесите”, “Выберите”, “Назовите”.
• Сообщать, в каком месте меню находится абонент.
• Использование звуковых иконок.
• Hotword Barge-in для навигационных команд.
8

9. Примеры
Выбор
кинотеатра
Расписание
Дата
Кинотеатр
Фильм
9
Сеть кинотеатров Поиск банкоматов
Адрес
Город Функции

10. Хорошие новости
• Речь остается наиболее естественным способом взаимодействия
• Хорошая система поможет быстрее достичь цели, чем оператор.
• Качество распознавания речи растет с каждым годом.
• Телефоны и контакт-центры не исчезнут в ближайшие
десятилетия.
10

11. Литература
• Cohen, M., Giangola, J., & Balogh, J. (2004). Voice User Interface
Design. Boston: Addison-Wesley.
• Kotelly, B. (2003). The Art and Business of Speech Recognition:
Creating the Noble Voice. Boston: Addison-Wesley.
• Gardner-Bonneau D. and Blanchard H. (2010). Human Factors and
Voice Interactive Systems. Lexington: Springer.
11

12. — Если у вас есть ещё вопросы,
оставайтесь на линии.