Jak przetestować polski głos voicebota

Niepoprawny odczyt może wynikać z danych bez polskich znaków, błędnej zamiany liczb na słowa lub samej syntezy mowy. W raporcie z testu zapisuj tekst wejściowy i usłyszany wynik. To ułatwi wskazanie przyczyny i sprawdzenie poprawki.

Polska odmiana ma znaczenie jeszcze przed syntezą. System musi zbudować poprawne zdanie, na przykład „dla trzydziestu pięciu pacjentów” albo „o godzinie ósmej trzydzieści”. Głos nie naprawi błędnej formy wygenerowanej przez scenariusz.

Sposób odczytania skrótu lub liczby zależy od kontekstu. „dr” może oznaczać stopień naukowy, „1.05” datę albo liczbę, a numer telefonu wymaga podziału na cyfry lub grupy cyfr. Zacznij od wartości w formacie z systemu klienta, żeby sprawdzić również reguły ich rozwijania.

Najpierw sprawdź wartość z systemu i zdanie przygotowane do wypowiedzenia. Jeżeli tekst jest błędny, zmiana barwy głosu go nie naprawi. Zapisz osobno wartość źródłową, tekst po kontrolowanej zamianie oraz to, co usłyszysz podczas kolejnej próby.

SSML 1.1 udostępnia mechanizmy sterowania wymową, interpretacją tekstu i słownikami. Obsługiwane elementy zależą od konkretnej usługi i głosu. Gdy potrzebnego mechanizmu nie ma, można zastosować sprawdzoną regułę rozwinięcia wartości przed syntezą. Po zmianie trzeba ponowić odsłuch przez telefon, także dla podobnych danych, których reguła nie powinna zmieniać.

Sprawdź kodek wynegocjowany w prawdziwym połączeniu. G.711 koduje pasmo telefoniczne, a G.722 szersze pasmo mowy. Sama deklaracja formatu pliku po stronie syntezy nie mówi, czy operator lub centrala nie zmieni dźwięku po drodze.

Próg akceptacji ustala się dla konkretnego procesu. Krótka odpowiedź po podaniu godziny i dłuższa odpowiedź po zapytaniu do systemu klienta nie muszą mieć tego samego czasu. Ważne, aby zespół znał rozkład wyników i zachowanie w najwolniejszych przypadkach.

Dla każdego zdania zaznacz, czy nazwisko, data, kwota i kod zostały odczytane poprawnie. Jedna pomyłka w polu krytycznym powinna być widoczna osobno, nawet jeśli średnia ocena naturalności jest wysoka.

Próbki warto oznaczyć neutralnymi identyfikatorami, aby nazwa dostawcy nie wpływała na ocenę. Słuchacze mogą osobno ocenić zrozumiałość, naturalność, tempo i dopasowanie do sytuacji. Skala jest narzędziem wewnętrznym; zawsze publikuj ją razem z pytaniem, materiałem i warunkami.

Automatyczna transkrypcja odsłuchu może pomóc znaleźć problem, lecz dokłada błędy systemu rozpoznawania mowy. Nie traktuj jej wyniku jako niezależnego dowodu jakości syntezy bez ręcznego sprawdzenia rozbieżności.

Stabilność sprawdź przez powtórzenie najtrudniejszych zdań i test przy przewidzianej liczbie równoległych rozmów. Na koniec przeprowadź kilka pełnych dialogów z przerwaniem agentowi, powtórzeniem wartości i przejściem do pracownika.

Test obciążenia powinien odpowiadać liczbie równoległych rozmów przewidzianej w projekcie i limitom zapisanym w umowie. Powtórz najtrudniejsze zdania, sprawdź opóźnienie oraz potwierdź, że identyfikator głosu i ustawienia nie zmieniły się między próbami.

Ustal zachowanie na wypadek braku odpowiedzi syntezy. W zależności od procesu może to być krótki, wcześniej przygotowany komunikat, ponowienie próby, przekazanie rozmowy lub zakończenie z zapowiedzią oddzwonienia. Test ma pokazać, co rzeczywiście słyszy rozmówca, również gdy niedostępna jest usługa zapasowa.

Przy samodzielnym zakupie syntezy użyj jednostki rozliczenia z oferty: znaków, sekund dźwięku lub żądań. Oblicz koszt próbki rozmów i uwzględnij opłaty minimalne oraz dodatki. W odbierze.ai synteza i standardowa telefonia krajowa są wliczone w pulę oraz nadwyżkę minut; cennik podaje koszt całego agenta.

Wcześniej przygotowany dźwięk może obniżyć liczbę wywołań dla stałych komunikatów, jeśli pozwala na to licencja i projekt danych. Nie używaj go do nazwisk, kwot, terminów ani innych wartości zmiennych. Oszczędność policz na własnym rozkładzie wypowiedzi, zamiast przyjmować stały procent.

Do syntezy może trafiać nazwisko, termin wizyty lub inna informacja o osobie. Dokumentacja powinna opisywać region przetwarzania, podwykonawców, okres przechowywania, użycie danych do doskonalenia usługi i ewentualny transfer poza EOG.

Licencja powinna zezwalać na komercyjne rozmowy telefoniczne w planowanej skali. Osobno sprawdź prawo do nagrywania próbek testowych, przechowywania stałych komunikatów, użycia głosu w kilku markach, tworzenia głosu na zamówienie oraz zasady po rozwiązaniu umowy. Warunki różnią się między dostawcami i planami.

Głos, na podstawie którego można rozpoznać konkretną osobę, jest daną osobową. Staje się daną biometryczną w szczególnym rozumieniu RODO wtedy, gdy wynika ze specjalnego przetwarzania technicznego i służy jednoznacznej identyfikacji lub jej potwierdzeniu. Sam plik dźwiękowy nie zawsze spełnia ten warunek.

Stworzenie głosu na podstawie nagrań pracownika wymaga ustalenia podstawy przetwarzania, zakresu zezwolenia na użycie głosu, praw po odejściu z firmy oraz wpływu relacji pracowniczej na dobrowolność decyzji. Pisemne ustalenia są potrzebnym dowodem, lecz podpis sam nie rozwiązuje wszystkich kwestii RODO, prawa pracy i dóbr osobistych. Ocena skutków dla ochrony danych zależy od ryzyka konkretnego procesu.

Opinia EROD 28/2024 dotyczy danych osobowych w modelach AI i nakazuje oceniać anonimowość oraz podstawę prawną indywidualnie. Nie jest szczegółową instrukcją klonowania głosu. Przy głosie przypominającym istniejącą osobę trzeba też sprawdzić obowiązki oznaczenia syntetycznego dźwięku i, zależnie od sposobu użycia, reguły dotyczące treści typu deepfake.

We wszystkich pakietach odbierze.ai przetwarzanie w UE jest częścią zakresu. Wymóg przetwarzania wyłącznie w Polsce trzeba potwierdzić oddzielnie przed wyborem architektury. W sektorze publicznym decydują wymagania postępowania, analiza ryzyka i umowa; otwarty kod lub lokalna instalacja nie są automatycznie jedynym dopuszczalnym rozwiązaniem.

W arkuszu przeznacz jeden wiersz na każdą próbę. Zapisz numer zdania, oznaczenie głosu, tekst wejściowy, oczekiwaną wymowę, usłyszaną odpowiedź i stwierdzony błąd. W osobnych kolumnach możesz ocenić zrozumiałość, naturalność i tempo według skali ustalonej przed odsłuchem.

Do arkusza dołącz datę, ustawienia głosu, sposób połączenia i opis grupy słuchaczy. Po poprawce dopisz kolejny wynik przy tym samym zdaniu. Przy wyborze głosu pokaż zarówno oceny słuchaczy, jak i listę nierozwiązanych błędów. W odbierze.ai przygotowanie takich prób i poprawa wymowy należą do prac wdrożeniowych.