Adaptación de voz automática

Cuando realizas una solicitud de detección de intent, de manera opcional, puedes proporcionar phrase_hints para proporcionar sugerencias al reconocedor de voz. Estas sugerencias pueden ayudarte con el reconocimiento en una situación de conversación específica.

La función de adaptación de voz automática mejora la precisión del reconocimiento de voz de tu agente mediante el uso automático del estado de la conversación para pasar entidades relevantes y frases de entrenamiento como sugerencias de contexto de voz en todas las solicitudes de detección de intent. Esta función se inhabilita de forma predeterminada.

Nota: Si se proporcionan “phrase_hints” explícitos para una solicitud de detección de intent, se anulan las sugerencias de contexto de voz implícitas generadas por la adaptación de voz automática para la configuración de audio de entrada (voz a texto).

Habilita o inhabilita la adaptación automática de voz

Para habilitar o inhabilitar la adaptación automática de voz, haz lo siguiente:

Consola

1. Abre la consola de Dialogflow CX.
2. Elige tu proyecto de GCP.
3. Selecciona el agente.
4. Haz clic en Configuración del agente.
5. Haz clic en la pestaña IVR y voz.
6. Activa o desactiva Habilitar la adaptación de voz.
7. Haz clic en Guardar.

API

Consulta los métodos get y patch/update para el tipo Agent. Ir a la referencia de la API de agente

Selecciona un protocolo y una versión para la Referencia del agente:

Protocolo	V3	V3beta1
REST	Recurso de agente	Recurso de agente
RPC	Interfaz del agente	Interfaz del agente
C++	AgentsClient	No disponible
C#	AgentsClient	No disponible
Go	AgentsClient	No disponible
Java	AgentsClient	AgentsClient
Node.js	AgentsClient	AgentsClient
PHP	No disponible	No disponible
Python	AgentsClient	AgentsClient
Ruby	No disponible	No disponible

Cerrar

Diseño de agentes para mejorar el reconocimiento de voz

Si habilitas la adaptación automática de voz, puedes compilar tu agente para aprovecharla. En las siguientes secciones, se explica cómo se puede mejorar el reconocimiento de voz con ciertos cambios en las frases de entrenamiento y las entidades del agente.

Frases de entrenamiento

• Si defines frases de entrenamiento con una frase como “es 3 de diciembre”, un enunciado del usuario que suene similar se reconoce de manera correcta como “es 3 de diciembre” y no “estrés de diciembre”.

• Cuando tienes un parámetro obligatorio que obliga a Dialogflow a completar solicitudes de llenado de formularios, la adaptación de voz automática se inclinará mucho hacia la entidad que se está llenando.

En todos los casos, la adaptación de voz automática solo restringe el reconocimiento de voz, no la limita. Por ejemplo, aunque Dialogflow le solicite a un usuario un parámetro obligatorio, los usuarios aún podrán activar otros intents, como un intent “hablar con un agente”.

Entidades del sistema

Si defines una frase de entrenamiento que usa la entidad del sistema @sys.number y el usuario final dice "Quiero dos", es posible que se reconozca como "2", "demasiado" o "dos" o "dos".

Cuando la adaptación de voz automática está habilitada, Dialogflow usa la entidad @sys.number como pista durante el reconocimiento de voz, y es más probable que el parámetro se extraiga como "100".

Entidades personalizadas

• Si defines una entidad personalizada para los nombres de productos o servicios que ofrece tu empresa, y el usuario final menciona estos términos en una declaración, es más probable que se los reconozca. Una frase de entrenamiento “Me encanta Dialogflow”, en la que “Dialogflow” se anota como la entidad @product, le indicará una adaptación de voz automática a la biografía para “Me encanta Dialogflow”, “Me encanta Cloud Speech” y otras entradas en la entidad @product.

• Es muy importante definir sinónimos de entidad limpia cuando se usa Dialogflow para detectar la voz. Imagina que tienes dos entradas de entidad @product: “Dialogflow” y “Dataflow”. Tus sinónimos de “Dialogflow” pueden ser “Dialogflow”, “flujo de diálogo”, “compilador de diálogo”, “Speakoit”, “hablar con él”, “API.ai”, “IA de punto de API”. Estos son sinónimos adecuados, ya que abarcan las variaciones más comunes. No es necesario que agregues “el compilador de flujo de diálogo” porque el “flujo de diálogo” ya lo cubre.

Nota: ¿Por qué es importante? Considera que tienes dos entidades “Dialogflow“ y “Dataflow”, y dos sinónimos son “el compilador de flujos de diálogo” y “Google Cloud Dataflow”. Un usuario final podría decir de forma razonable “Google Cloud Dialogflow”, pero como no hay una palabra clave “Google Cloud Dialogflow”, el reconocimiento de voz probablemente escuche “Google Cloud Dataflow” porque las definiciones de la entidad se restringen para esa frase. Del mismo modo, si alguien dice “el compilador de flujo de datos”, es probable que escuchemos “el compilador de flujos de diálogo”, ya que es la única entidad definida con “compilador”. En su lugar, obtendrás un mejor rendimiento si solo defines las frases clave como se indica en la viñeta anterior. En resumen, ten cuidado de no agregar datos genéricos a las definiciones de entidades, ya que estas son las frases de entrenamiento de intent diseñadas. Una frase de entrenamiento “Google Cloud Dataflow”, en la que “Dataflow” está anotado como la entidad @product que permite la adaptación de voz automática para escuchar “Google Cloud Dataflow” y “Google Cloud Dialogflow” con el mismo peso. Consulta Diseño de agentes para obtener más prácticas recomendadas.

• Las declaraciones de usuario con entidades numéricas consecutivas, pero distintas pueden ser ambiguas. Por ejemplo, “Quiero dos dieciséis paquetes” podría significar 2 cantidades de 16 paquetes o 216 cantidades de paquetes. La Adaptación de voz puede ayudar a evitar la ambigüedad de estos casos si configuras las entidades con valores deletreados:
  • Define una entidad quantity con entradas:
    zero
one
...
twenty
  • Define una entidad product o size con entradas:
    sixteen pack
two ounce
...
five liter
  • Solo se usan los sinónimos de entidad en la adaptación de voz, por lo que puedes definir una entidad con valor de referencia 1 y sinónimo único one para simplificar tu lógica de entrega.

Entidades de expresión regular

Las entidades de expresión regular pueden activar la adaptación de voz automática para secuencias alfanuméricas y de dígitos como “ABC123” o “12345” cuando se configuran y prueban de forma correcta.

Para reconocer estas secuencias por voz, implementa los cuatro requisitos que se indican a continuación:

1. Requisito de entrada de expresión regular

Si bien cualquier expresión regular se puede usar para extraer entidades de entradas de texto, solo ciertas expresiones indicarán a la adaptación de voz automática un sesgo para secuencias alfanuméricas o de dígitos escritas cuando se reconoce la voz.

En la entidad de expresión regular, al menos una entrada debe seguir todas estas reglas:

• Debe coincidir con algunos caracteres alfanuméricos, por ejemplo: \d, \w, [a-zA-Z0-9]
• No debe contener espacios en blanco   ni \s, aunque se permite \s* y \s?
• No debe contener grupos de captura o no capturados. ()
• No debes intentar hacer coincidir ningún carácter especial ni puntuación, como los siguientes: ` ~ ! @ # $ % ^ & * ( ) - _ = + , . < > / ? ; ' : " [ ] { } \ |

Esta entrada puede tener grupos de caracteres [] y cuantificadores de repeticiones, como *, ?, +, {3,5}.

Consulta Ejemplos.

2. Requisito de definición de parámetros

Marca la entidad de expresión regular como parámetro del formulario requerido para que pueda recopilarse durante el proceso para completar formularios. Esto permite que la adaptación de voz automática establezca un sesgo sólido para el reconocimiento de secuencias en lugar de intentar reconocer una intención y una secuencia al mismo tiempo. De lo contrario, “Where is my package for ABC123” podría no reconocerse como “Where is my package 4ABC123”?

3. Requisito de anotación de frases de entrenamiento

No uses la entidad de regexp para una anotación de frase de entrenamiento de intent. Esto garantiza que el parámetro se resuelva como parte del proceso de relleno de formularios.

4. Requisito de prueba

Consulta Prueba la adaptación de voz.

Ejemplos

Por ejemplo, una entidad de expresión regular con una sola entrada ([a-zA-Z0-9]\s?){5,9} no activará el reconocedor de la secuencia de voz porque contiene un grupo de captura. Para solucionar este problema, agrega otra entrada para [a-zA-Z0-9]{5,9}. Ahora te beneficiarás del reconocedor de secuencias cuando realices la coincidencia con “ABC123”; sin embargo, la CLN seguirá detectando entradas como “ABC 123” gracias a la regla original que permite los espacios.

Los siguientes ejemplos de expresiones regulares se adaptan a secuencias alfanuméricas:

^[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]

Los siguientes ejemplos de expresiones regulares se adaptan a las secuencias de dígitos:

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

Prueba la adaptación de voz

Cuando pruebes las capacidades de adaptación de voz de tu agente para una concordancia de frase o entidad en particular, no deberías pasar directamente a probar la coincidencia con el primer enunciado de voz de una conversación. Solo debes usar entradas de voz o evento para toda la conversación antes de la coincidencia que quieras probar. El comportamiento de tu agente cuando se pruebe de esta manera será similar al comportamiento en las conversaciones de producción reales.

Nota: Si estás probando el primer turno de conversación de un agente de telefonía que normalmente usa el evento WELCOME, debes invocar este evento antes de probar la coincidencia.

Limitaciones

Se aplica la siguiente limitación:

• Es un desafío reconocer secuencias de personajes largos. La cantidad de caracteres que puedes capturar con precisión en un solo giro está directamente relacionada con la calidad del audio de entrada. Si seguiste todos los lineamientos de entidades de regexp y aún tienes problemas para capturar toda la secuencia en un solo giro, considera otras alternativas de conversación:

  • Cuando valides la secuencia en una base de datos, considera hacer una referencia cruzada de otros parámetros recopilados, como las fechas, los nombres o los números de teléfono, a fin de permitir coincidencias incompletas. Por ejemplo, en lugar de pedir a un usuario a su número de pedido, también pídele su número de teléfono. Ahora, cuando tu webhook consulta a tu base de datos por el estado del pedido, primero puede aparecer en el número de teléfono y, luego, mostrar el orden coincidente más cercano para esa cuenta. Esto podría permitir que Dialogflow escuche incorrectamente “ABC” como “AVC” y aún muestra el estado correcto del pedido para el usuario.
  • Para secuencias más largas, considera diseñar un flujo que aliente a los usuarios finales a pausarse en el medio para que el bot pueda confirmarse a medida que avanzas.

• La compatibilidad integrada de la adaptación de voz automática para entidades del sistema y la expresión regular varía según el idioma. VerificaciónTokens de clase Speech para los idiomas admitidos $OOV_CLASS_ALPHANUMERIC_SEQUENCE y $OOV_CLASS_DIGIT_SEQUENCE. Si tu idioma no aparece en la lista, puedes solucionar esta limitación. Por ejemplo, si deseas que se reconozca con precisión un ID de empleado que tenga tres letras seguidas de tres dígitos, podrías compilar el agente con estos parámetros y entidades:

  • Define una entidad digit que contenga 10 entradas de entidad (con sinónimos):
    0, 0
1, 1
...
9, 9
  • Define una entidad letter que contenga 26 entradas de entidad (con sinónimos):
    A, A
B, B
...
Z, Z
  • Define una entidad employee-id que contenga una sola entrada de entidad (sin sinónimos):
    @letter @letter @letter @digit @digit @digit
  • Usa @employee-id como parámetro en una frase de entrenamiento.
  Nota: La entrada de entidad employee-id requiere espacios en blanco entre entidades consecutivas para que sea una definición de entidad válida. Debido a esto, no se establece una consulta de texto “ABC123” que tenga una coincidencia de texto de “A B C 1 2 3” porque la adaptación de voz automática penalizará los espacios.