Ssenariylar

Opsiyalar vazifaga qarab tanlanadi: qo‘ng‘iroqqa kerak bo‘lgan narsa yig‘ilishga faqat xalaqit beradi. Uchta tayyor to‘plam va ularning barchasida aniqlikni oshiradigan narsalar.

Call-markaz

Qo‘ng‘iroq yozuvi deyarli har doim ikki kanalli: telefoniya mijoz bilan menejerni allaqachon kanallarga ajratgan. Bu tanib olish uchun eng yaxshi holat, shuning uchun bu yerda ovoz bo‘yicha ajratish umuman kerak emas.

{"stereo_channels_as_speakers": true, "diarization": false, "speaker_roles": true,
 "call_direction": "inbound", "speaker_identification": true, "emotion": false, "pii": false}

call_direction har bir qo‘ng‘iroq uchun alohida uzatiladi: u kim kimga qo‘ng‘iroq qilganini aytadi, mijoz kim va menejer kim ekani shunga bog‘liq. Yozuv mono bo‘lsa, diarization ni yoqing va max_speakers: 2 qo‘ying — rollarga aynan ikkita ovoz kerak.

«Ovozdan tanish» ni yoqiq qoldiring va menejerlarga bir marta ism bering: shundan keyin ular har bir yozuvda raqam bilan emas, ism bilan keladi. Kompaniya va mahsulot nomlari lug‘atga tushadi — qo‘ng‘iroqlarda eng ko‘p aynan ular aytiladi.

«Hissiyotlar» va «Shaxsiy ma’lumotlar» tarifni ko‘paytiradi, ×2 va ×1.2. Ularni haqiqatan o‘qiydigan bo‘lsangiz yoqing: Opsiyalar.

Hissiyotlar: raqamlar va ular bilan nima qilish

«Hissiyotlar» — eng avvalo call-markaz opsiyasi: yuzta oddiy suhbatdan eshitishga arziydigan beshtasini shu ajratadi. Har bir replikaga ishonch bilan sinf (mood) va 0 dan 1 gacha uchta shkala keladi: valence — yoqimli yoki yoqimsiz, arousal — tinch yoki taranglashgan, dominance — ikkilangan yoki dadil. So‘zlovchi bo‘yicha o‘sha shkalalar o‘rtachasi, ustiga dominant_mood va mood_share, holatlar ulushi. Har biri nimani anglatadi: Hissiyot shkalalari. Yuqoridagi to‘plamda emotion o‘chiq — bu tarifga ehtiyotkorlik, tavsiya emas: raqamlarni o‘qiydigan odam bo‘lsa, yoqing.

Chegaralarni o‘z yozuvlaringizdan hisoblang. Shkalalar tavsifidagi 0.4 va 0.6 — mo‘ljal, sizning biznesingiz normasi emas: qarz undirish liniyasi manikyurga yozilishdan taranglroq yangraydi, qo‘llab-quvvatlash sotuvdan tekisroq. Yuzta oddiy suhbatni oling, mijozlar bo‘yicha valence medianasiga qarang — va «yomon qo‘ng‘iroq» ni 0.5 dan emas, o‘sha medianadan chetlanish deb hisoblang.

Qo‘ng‘iroq ichidagi harakatga qarang. 0.55 da boshlab 0.3 da tugatgan mijoz — bu noto‘g‘ri ketgan suhbat, o‘rtachasi tinch ko‘rinsa ham. Menejer bo‘yicha teskarisi foydaliroq: haftalik o‘rtacha valence va mood_share, unda kimning taranglik ulushi boshqalardan yuqori ekani ko‘rinadi.

Operatorga hammasini chiqarmang. Bir-ikki so‘zlik replika bitta oyna bo‘yicha o‘rtachalanadi (windows: 1) va uning bahosi shovqinli; confidence 0.35 dan past sinfni ko‘rsatmagan ma’qul. Eshitishga qo‘ng‘iroq tanlashga bu ta’sir qilmaydi — u yerda so‘zlovchi bo‘yicha o‘rtachalar ishlaydi.

Yig‘ilishlar va uchrashuvlar

Yig‘ilish bu bir nechta ovozli mono yozuv, ularni faqat «So‘zlovchilarga ajratish» ajrata oladi.

{"diarization": true, "max_speakers": 4, "speaker_identification": true,
 "speaker_roles": false, "word_timestamps": true, "emotion": false, "pii": false}

Model to‘rttagacha ovozni farqlaydi — bu istak emas, shift: olti kishilik uchrashuvda ortiqcha ovozlar qo‘shnilariga qo‘shilib ketadi. Ishtirokchi ko‘proq bo‘lsa, mikrofonni gapiruvchiga yaqinroq qo‘ying yoki yozuvni bo‘lib oling.

«Mijoz va menejer» bu yerda o‘chiriladi: rollar faqat aynan ikki kishilik suhbatda qidiriladi, yig‘ilishda esa bema’nilik chiqadi.

Yig‘ilishlarda eng foydalisi — «Ovozdan tanish». Ishtirokchilarga bir marta ism bering, keyingi yozuvlarda replikalar «Ovoz #100» emas, ism bilan qaytadi. Jamoa odatda bir xil, shuning uchun ism keyingi uchrashuvdayoq o‘zini oqlaydi — nomlangan ovoz esa nomzod bo‘lishdan to‘xtaydi, ya’ni endi muddati tugamaydi. Ovozlar va so‘zlovchilar.

Intervyu va diktofon

Monoda ikki kishi, ko‘pincha shovqinli xonada. To‘plam oddiy:

{"diarization": true, "max_speakers": 2, "speaker_identification": true, "emotion": false, "pii": false}

Bu yerda max_speakers: 2 shunchaki rasmiyatchilik emas: usiz shovqin va aks-sado model uchinchi odamni «eshitishi» ga olib kelishi mumkin. Intervyu oluvchi yozuvdan yozuvga bir xil, shuning uchun uning ovoziga ism bering va u raqam bo‘lishdan to‘xtaydi.

Aniqlikni nima oshiradi

Beshta narsa, foydasi bo‘yicha:

1. Lug‘at. Kompaniya, mahsulot, brend nomlari, ismlar — oddiy nutqda uchramaydigan narsalar. Qanday ishlaydi.
2. Ovoz bo‘yicha ajratish o‘rniga stereo kanallar. Telefoniya ikki kanal bersa, stereo_channels_as_speakers ni yoqiq qoldiring: tomonlar allaqachon ajratilgan, xato qiladigan joy yo‘q.
3. Ovozlar soni ma’lum bo‘lsa, max_speakers. Model ortiqchasini qidirishni bas qiladi.
4. Har bir qo‘ng‘iroqqa call_direction. U «mijoz / menejer» aniqligini bevosita oshiradi.
5. Tanish ovozlarga qo‘shimcha izlar. Natijalarda identity.score muntazam ravishda chegaradan bir oz past chiqsa, ovozga namuna yetishmayapti: yaxshi yozuvdan yana bittasini qo‘shing.

Nima yordam bermaydi: hammasini birdan yoqish. Ortiqcha opsiyalar matnni aniqroq qilmaydi, «Hissiyotlar» va «Shaxsiy ma’lumotlar» esa ustiga tarifni ko‘paytiradi.