CTI論壇(ctiforum.com)（編譯/老秦）:語(yǔ)音體驗無(wú)處不在，從家中的智能技術(shù)到汽車(chē)中的命令。語(yǔ)音是一種新興的、更人性化的與周?chē)h(huán)境互動(dòng)的方式，正在推動(dòng)下一波消費者和員工體驗。事實(shí)上，Opus的研究發(fā)現，80%的受訪(fǎng)者認為流感大流行加速了自動(dòng)語(yǔ)音識別的采用。
由于開(kāi)發(fā)人員利用了這種新的通信模式，因此在創(chuàng )建健壯的用戶(hù)體驗時(shí)，瀏覽所有不同的組件可能會(huì )很棘手。作為一名專(zhuān)注于人工智能通信領(lǐng)域的首席技術(shù)官，我與許多客戶(hù)交談，了解他們需要什么才能使他們的語(yǔ)音體驗獲得成功。以下是創(chuàng )建強健的語(yǔ)音體驗時(shí)要避免的四個(gè)關(guān)鍵事項：
忽略音頻源的質(zhì)量。基于語(yǔ)音的體驗在很大程度上取決于音頻輸入的質(zhì)量和融入體驗的轉錄能力。作為一名開(kāi)發(fā)人員，提倡高質(zhì)量的語(yǔ)音數據非常重要，因為低質(zhì)量的語(yǔ)音音頻不僅很難聽(tīng)到，而且會(huì )使開(kāi)發(fā)您的語(yǔ)音體驗變得更加困難。確保您使用的是良好的語(yǔ)音格式，并采用FLAC和Opus等標準，這些標準提供了良好的壓縮和優(yōu)化。好的ASR提供商將能夠處理您擁有的任何數據，但如果您避免使用低采樣率（如8kHz），而使用更高質(zhì)量的采樣率（如16kHz），您的數據將更干凈。在一天結束時(shí)，與您的團隊合作以確保您的錄音要求被聽(tīng)到是很重要的。
依靠具有剛性架構的ASR。我經(jīng)常看到開(kāi)發(fā)人員被鎖定在提供最小靈活性的現成解決方案中。尋找一家提供低成本解決方案和易于導航的實(shí)時(shí)功能的提供商是現實(shí)的目標，但沒(méi)有一種適合所有人的解決方案。開(kāi)發(fā)者需要確切地知道他們希望從音頻數據中得到什么，這樣他們就可以選擇一種技術(shù)來(lái)分析最相關(guān)的見(jiàn)解。尋找能夠提供部署靈活性和速度、高精度、實(shí)時(shí)能力、可擴展性和定制培訓的提供商非常重要。這些功能的重要性排名將根據您的使用情況而有所不同，但選擇一種對每種功能都很好的ASR技術(shù)將使您的語(yǔ)音體驗更好，因為它們會(huì )隨著(zhù)最終用戶(hù)的需求而變化和增長(cháng)。
忽略應用程序將在其中使用的上下文。如果你想讓你的語(yǔ)音體驗在電腦上運行，你就不需要擔心連接和帶寬。另一方面，如果您的團隊成員主要使用可能出現連接問(wèn)題的移動(dòng)設備，那么您應該選擇針對低帶寬進(jìn)行優(yōu)化的最適合的音頻編解碼器，這樣您就不會(huì )占用用戶(hù)的網(wǎng)絡(luò )連接。對封閉源代碼音頻編解碼器保持警惕也很好，因為它不需要標準化。只要有可能，就嘗試使用開(kāi)源音頻編解碼器。
沒(méi)有留下試驗和失敗的空間。所有的公司對語(yǔ)音體驗都會(huì )有不同的需求，有時(shí)他們并不清楚語(yǔ)音體驗在實(shí)時(shí)和現實(shí)生活中是如何工作的。在構建應用程序或API的過(guò)程中，可能會(huì )出現很多問(wèn)題，因此，當您越來(lái)越接近找到滿(mǎn)足企業(yè)需求的產(chǎn)品時(shí)，在構建系統時(shí)考慮到健壯性和靈活性是至關(guān)重要的。
作為一名開(kāi)發(fā)人員，您希望為您服務(wù)的任何受眾創(chuàng )造最佳的語(yǔ)音體驗。比以往任何時(shí)候都更重要的是，確保您的語(yǔ)音數據是高質(zhì)量的，您了解您的基礎ASR技術(shù)可以做什么，并創(chuàng )建一個(gè)能夠準確處理您需要的敏捷后端體驗。語(yǔ)音體驗的時(shí)機就在現在，通過(guò)盡早加入適當的API，您的語(yǔ)音體驗將蓬勃發(fā)展并適應客戶(hù)的需求。
聲明:版權所有 非合作媒體謝絕轉載
作者：Deepgram首席技術(shù)官Adam Sypniewski
原文網(wǎng)址：
https://www.speechtechmag.com/Articles/Editorial/Industry-Voices/Four-Pitfalls-to-Avoid-When-Building-Compelling-Voice-Experiences-148050.aspx
