Ses aktivitesi tespiti (VAD)
Ses aktivitesi tespiti, bir ses akışında insan konuşmasının ne zaman başlayıp bittiğini sessizlikten ve gürültüden ayırarak belirleyen tekniktir.
Ses aktivitesi tespiti (voice activity detection, VAD), gelen sesi çok kısa parçalara bölerek her parçada konuşma olup olmadığına karar verir. Telefon sistemlerinde sessiz anlarda veri göndermemek için uzun süredir kullanılır; sesli yapay zekâda ise konuşmanın akışını yöneten temel parçalardan biridir. Bir ses ajanı, arayanın konuşmaya başladığını ve sustuğunu VAD sayesinde fark eder. Arka plan gürültüsü, müzik, nefes sesleri ve hat parazitleri VAD'ın ayırt etmesi gereken başlıca zorluklardır.
Nasıl çalışır
İlk yöntemler sesin enerjisine ve frekansına bakan eşik kurallarıydı. Bugün küçük sinir ağı modelleri her ses parçası için bir konuşma olasılığı hesaplar. Sistem bu olasılığı bir eşikle ve asgari süre kurallarıyla birleştirerek "konuşma başladı" ve "konuşma bitti" olaylarını üretir. Bu olaylar, konuşma tanımaya hangi sesin gönderileceğini, arayan araya girdiğinde ajanın susmasını (söze girme) ve konuşma sonu tespitinin ne zaman devreye gireceğini belirler.
Neden önemli
VAD fazla hassassa bir öksürük ya da kapı sesi ajanı susturur; az hassassa arayan konuşmaya başladığı hâlde ajan konuşmayı sürdürür. Sessizlik kararının geç verilmesi cevap gecikmesini artırır, erken verilmesi ise arayanın sözünü keser. Araçtan, şantiyeden ya da kalabalık bir mağazadan arayan müşterileri olan işletmeler bu davranışı canlıya almadan önce gerçek koşullarda test etmelidir.
Speakline'da
Speakline'da söze girme ve konuşma sonu ayarları ajan ayarlarındadır: arayanın ajanın sözünü kesip kesemeyeceğini, ajanın susması için gereken asgari kelime sayısını ve konuşma sonunu bekleme süresini belirlersiniz. Ayarları yayına almadan önce test aramalarıyla deneyebilirsiniz. Ayrıntılar için Ses ajanları sayfasına bakın.