Apakah itu Pembantu Suara AI?

Saya terpaksa tukar suara ChatGPT saya kepada lelaki British yang kedengaran marah. Saya takut kalau suara itu terlalu mesra, saya akan jatuh cinta dengannya.

Macam lelaki itu. Dalam filem itu.

Mari kita bincang tentang pembantu suara.

Dulu, Siri sering dijadikan bahan jenaka. Tapi semasa kita sibuk tanya Siri cara sembunyikan mayat, AI suara secara senyap telah menembusi semua sudut pasaran. Menjelang 2025, 67% organisasi menganggap AI suara sebagai teras kepada perniagaan mereka.

Organisasi-organisasi ini sedar bahawa agen AI lebih berkesan dengan keupayaan suara.

Oh, dan filem yang saya sebut tadi? Tidak begitu jauh bezanya. Pemerolehan io oleh Open AI baru-baru ini dijangka bertujuan membina pembantu suara yang tidak mengganggu dan sentiasa peka.

Maksud saya, macam ada kawan kecil di telinga anda sepanjang masa.

Jadi, sekarang kita di sini: Alexa lebih dikenali sebagai produk berbanding nama orang, CEO syarikat AI bergambar pertunangan bersama, dan dua pertiga perniagaan sudah pun menetapkan tarikh.

Dan kalau anda belum bersedia, maknanya anda memang ketinggalan.

Itu boleh difahami. Teknologi ini memang misteri, dan tak ramai yang menerangkan cara ia berfungsi. Tapi teka siapa yang ada dua ibu jari dan ijazah lanjutan dalam teknologi pertuturan?

(Anda tak nampak tapi saya sedang angkat ibu jari.)

(...Anda tahu siapa lagi yang tak boleh nampak? Pembantu suara.)

(Saya menyimpang sebentar.)

Saya tulis artikel ini untuk membantu anda faham. Kita akan bincang tentang Pembantu Suara AI: bagaimana ia berfungsi, apa yang boleh anda lakukan dengannya, dan kenapa begitu banyak syarikat memilih untuk mengintegrasikannya dalam operasi mereka.

Apakah itu Pembantu Suara AI?

Pembantu suara AI ialah perisian berkuasa AI yang memproses input suara, memahaminya, melaksanakan tugasan, dan memberi respons kepada pengguna. Pembantu ini digunakan dalam pelbagai industri dan situasi, menambah sentuhan peribadi dalam pengurusan tugasan dan sokongan pelanggan.

Bagaimana Pembantu Suara AI Berfungsi?

Pembantu suara AI ialah gabungan teknologi AI yang kompleks. Dalam beberapa saat antara menangkap input suara pengguna dan menghasilkan respons, pelbagai proses diaktifkan untuk memastikan interaksi lancar.

Pengecaman Pertuturan Automatik (ASR)

Pengecaman pertuturan automatik kadang-kadang dipanggil pertuturan-ke-teks, sebab itulah fungsinya.

Apabila pengguna bercakap ke dalam peranti mereka– sama ada telefon, pembantu rumah, atau papan pemuka kereta, pertuturan mereka akan ditukar menjadi teks. Untuk ini, rangkaian neural mendalam dilatih untuk meramalkan transkripsi klip audio.

Selepas dilatih dengan ribuan jam data pertuturan daripada jutaan klip berbeza yang melibatkan pelbagai penutur, loghat, dan keadaan bunyi, model AI ini menjadi sangat mahir dalam transkripsi.

Dan itu penting– langkah pertama dalam sistem berlapis ini mesti kukuh.

Pemprosesan Bahasa Semula Jadi (NLP)

Selepas input suara ditranskripsi, model akan mentafsir maksudnya.

NLP ialah konsep payung untuk semua teknik yang digunakan untuk menguraikan pertanyaan pengguna (sebagai teks transkripsi) kepada niat dan unit bermakna.

Pengecaman Niat

Teks adalah tidak berstruktur, dan tugas untuk memahami maksudnya bukanlah mudah. Lihat beberapa pertanyaan berikut:

• “Jadualkan panggilan dengan Aniqa untuk hari Selasa pada jam 1.”
• “Boleh mainkan Cher?”
• “Apa yang sesuai dimakan bersama keju kambing?”

Pembantu AI akan mempunyai beberapa siri niat yang terhad di belakang tabir. Untuk bot kita, itu mungkin termasuk:

• menjadualkan janji temu
• memainkan media
• mungkin mencari maklumat di web, dan
• berbual santai

Pengecaman niat bertanggungjawab mengklasifikasikan setiap pertanyaan pengguna ke dalam salah satu kategori ini.

Jadi, kategori manakah bagi setiap contoh tadi?

“Jadualkan panggilan…” berbentuk arahan. Agak jelas. “Boleh…?” pula berbentuk soalan. Tapi ia juga satu arahan, seperti pertanyaan sebelumnya. Dalam kedua-dua kes, anda faham tindakan yang diingini, tapi sukar untuk diformalkan.

“Apa yang sesuai dimakan bersama…?” nampak mudah– lebih kurang.

Kita tahu jenis jawapan yang diingini: makanan. Tapi tidak jelas dari mana jawapan itu patut diambil.

Hanya satu jawapan mungkin tidak menyeluruh, tetapi terlalu banyak pula boleh menyusahkan.

Sebaliknya, mungkin ia boleh gunakan pengetahuan dalaman– tapi itu kita bincang kemudian.

Kesimpulannya: pilihan tidak selalu mudah, dan kerumitan tugas ini bergantung pada reka bentuk– atau personaliti– bot serta pertanyaan pengguna.

Pengecaman Entiti Bernama

Selain tahu tugasan yang perlu dilakukan, bot juga perlu mengenal pasti maklumat yang diberikan.

Pengecaman entiti bernama berkaitan dengan mengekstrak unit bermakna – atau entiti bernama – daripada teks tidak berstruktur. Contohnya, mengenal pasti nama orang, artis muzik, atau tarikh dalam pertanyaan pengguna.

Mari kita lihat semula pertanyaan pertama:

• “Jadualkan panggilan dengan Aniqa untuk hari Selasa pada jam 1.”

Aniqa ialah seorang individu, dan dari pertanyaan itu, pengguna mengenalinya. Jadi besar kemungkinan dia ialah kenalan.

Dalam kes ini, “kenalan” akan diprogramkan sebagai entiti, dan bot akan mempunyai akses kepada senarai kenalan pengguna.

Ini juga terpakai untuk masa, lokasi, dan apa-apa maklumat penting lain yang mungkin tersembunyi dalam pertanyaan pengguna.

Mendapatkan Maklumat

Setelah memahami kehendak anda, pembantu suara perlu mencari maklumat yang berkaitan untuk membantu menjawab. Bot yang baik akan dilengkapi dengan pelbagai sambungan untuk memenuhi keperluan anda.

Kita sudah bincang tentang pengetahuan dalaman tadi. Saya pasti anda pernah terpegun dengan model bahasa besar (LLM) dan pengetahuan luas mereka. Memang mengagumkan, tapi bila pertanyaan anda semakin khusus, kekurangannya mula kelihatan.

Penjanaan Berasaskan Pengambilan (RAG)

Pembantu yang baik mempunyai akses kepada sumber pengetahuan luar – ia tidak hanya bergantung pada pengetahuan yang diperoleh semasa latihan. RAG membolehkan respons AI berdasarkan pengetahuan tersebut.

Pengetahuan di sini merujuk kepada dokumen, jadual, imej, atau apa saja yang boleh diproses secara digital.

Ia mencari dalam dokumentasi, mengambil item yang paling relevan dengan pertanyaan pengguna dan menggunakannya untuk memaklumkan respons model.

• Kadang-kadang tujuannya untuk memperkemas maklumat LLM, seperti merujuk kepada literatur akademik semasa membuat penyelidikan.

• Ada kalanya pula, ia untuk memberi akses kepada maklumat yang model sebaliknya tidak akan ada, seperti data pelanggan.

Dalam kedua-dua kes, ia juga boleh menyatakan sumber maklumat, menjadikan respons lebih boleh dipercayai dan disahkan.

API dan Integrasi

Sama seperti LLM boleh berhubung dengan maklumat luar, API dan integrasi membolehkan ia berhubung dengan teknologi lain.

Nak tempah janji temu Google Meets melalui Calendly untuk susulan prospek HubSpot yang dinilai dengan Clearbit? Melainkan anda sendiri membina kalendar, teknologi persidangan video, CRM, dan alat analitik (yang sangat tidak digalakkan), anda perlu 🔌integrasi⚡️.

Alat pihak ketiga ini biasanya mempunyai API yang membolehkan operasi dijalankan oleh teknologi automasi lain– seperti ejen anda.

Integrasi memudahkan lagi bot untuk berhubung dengan teknologi pihak ketiga. Ia dibina di atas API, menguruskan perkara rumit supaya anda boleh sambungkan ejen anda dengan usaha yang minimum.

Respon dan Teks-ke-Ucapan (TTS)

Jadi, input pengguna telah ditranskripsi, niat mereka telah dianalisis, maklumat berkaitan telah diperoleh, dan tugasan telah dilaksanakan.

Sekarang tiba masanya untuk memberi respon.

Sama ada menjawab soalan pengguna atau mengesahkan bahawa tugasan yang diminta telah dilakukan, bot suara hampir sentiasa memberikan maklum balas.

Teks-ke-Ucapan (TTS)

Berlawanan dengan pengecaman suara ialah penyintesisan suara, atau teks-ke-ucapan.

Model-model ini juga dilatih menggunakan pasangan suara-teks, selalunya mengambil kira suara penutur, intonasi, dan emosi untuk menghasilkan pertuturan yang menyerupai manusia.

TTS melengkapkan kitaran yang bermula dan berakhir dengan pertuturan manusia(-oid).

Kelebihan Pembantu Suara

Lapisan suara di atas fungsi AI meningkatkan pengalaman secara keseluruhan. Ia memang lebih peribadi dan intuitif, malah memberi kelebihan dari segi perniagaan juga.

Suara Lebih Pantas daripada Teks

Dengan semakin banyak chatbot, pengguna sudah terbiasa dengan maklum balas yang pantas. Dengan pembantu AI suara, masa input juga dapat dipercepatkan.

Ejen AI suara membolehkan kita tidak perlu membentuk ayat yang sempurna. Anda hanya perlu bercakap secara spontan, dan bot akan memahaminya.

Begitu juga dengan maklum balas. Saya sendiri akui membaca kadang-kadang membosankan– tapi itu bukan masalah jika jawapan dibacakan kepada anda.

Maklum Balas 24/7

Satu lagi bentuk kepantasan. Dengan orang bekerja dari jauh dan urusan perniagaan merentas benua, mustahil untuk menampung semua zon waktu dan waktu bekerja yang diperlukan.

Interaksi suara sepatutnya tersedia untuk semua orang, bukan hanya pelanggan dalam waktu bekerja tertentu. Dengan pembantu AI suara, ini boleh menjadi kenyataan.

Interaksi Lebih Peribadi

Bercakap bukan sekadar kata-kata. Bot suara mewujudkan pengalaman yang lebih peribadi dan meningkatkan keyakinan pengguna. Digabungkan dengan ciri-ciri manusiawi chatbot AI, lapisan suara membina hubungan yang lebih kukuh.

Mudah Diintegrasi

Fakta bahawa pembantu suara tidak memerlukan tangan bermakna ia juga tidak memerlukan antara muka pengguna (UI). Ia tidak memerlukan skrin atau penggunaan mata– sebab itu ia sangat popular di dalam kereta.

Malah, ia boleh diintegrasikan di mana-mana sahaja yang ada mikrofon. Ini syarat yang sangat mudah dipenuhi, bukan sahaja kerana mikrofon kecil, tetapi kerana ia sudah ada di mana-mana: komputer, telefon pintar, malah telefon rumah.

Cuba namakan teknologi canggih lain yang boleh diakses melalui telefon putar.

Lebih Mudah Diakses

“Bebas tangan” bukan sekadar soal kemudahan. Bagi mereka yang mempunyai keperluan berbeza, ia boleh jadi satu keperluan.

Pembantu suara tersedia untuk mereka yang mempunyai cabaran mobiliti, penglihatan, atau literasi yang mungkin sukar menggunakan antara muka AI tradisional.

Contoh Penggunaan Bot Suara dalam Pelbagai Industri

Jadi, anda sudah yakin dengan bot suara. Bagus. Tapi bagaimana nak gunakannya?

Berita baiknya, hampir semua industri boleh dipertingkatkan dengan AI suara.

Penjagaan Kesihatan

Prosedur penjagaan kesihatan memang terkenal rumit. Dan memang patut: ia kerja berisiko tinggi dan mesti dilakukan dengan betul. Bidang ini sangat memerlukan automasi AI, asalkan ia boleh dipercayai dan berkesan.

Kita sudah lihat aplikasi AI dalam penjagaan kesihatan, dan suara membuka lebih banyak peluang untuk penambahbaikan.

Contoh terbaik ialah soal selidik perubatan: maklumat peribadi, sejarah perubatan, dan sebagainya.

Semua itu memang membosankan. Tapi ia penting.

Peningkatan kelajuan dan produktiviti mengurangkan beban kerja profesional kesihatan yang sudah sedia sibuk, dan aliran perbualan seperti manusia memecahkan kebosanan menjawab soalan demi soalan.

Aksesibiliti juga diambil kira, dan berdasarkan proses pelbagai lapisan yang telah kita bincangkan tadi, saya boleh jamin teknologinya boleh dipercayai.

Perbankan

Bercakap tentang kerja berisiko tinggi dan membosankan.

Perkara seperti semakan baki akaun dan kemas kini maklumat adalah transaksi yang agak mudah, tetapi ada beberapa lapisan keselamatan untuk mengurangkan kesilapan dan penipuan.

Ejen suara NatWest mengendalikan transaksi biasa, membebaskan ejen manusia untuk memberi lebih banyak masa kepada interaksi yang sensitif atau kompleks, meningkatkan kepuasan pelanggan sebanyak 150% tanpa menjejaskan keselamatan.

Sokongan Pelanggan

Bercakap tentang automasi panggilan rutin, SuperTOBI Vodafone, pembantu AI suara, telah meningkatkan skor promosi bersih (NPS) mereka dari 14 ke 64.

Ini kerana interaksi khidmat pelanggan memang berulang, dan soalan pelanggan dijawab sama rata, sama ada oleh manusia atau ejen. Pendekatan ini tidak mengabaikan kes luar biasa—yang itu diserahkan kepada ejen manusia.

Runcit

Saya agak rindu zaman bercakap dengan jurujual.

Masalahnya, mereka terlalu sibuk untuk mengenali katalog dan polisi kedai, apatah lagi masa yang diambil untuk melayan setiap pelanggan.

Pembantu jualan suara seperti MyLow: pembantu jualan maya dari Lowe’s yang menyediakan maklumat tentang butiran produk, inventori, dan polisi.

Pengetahuan umum LLM benar-benar menyerlah di sini: selain memberikan maklumat khusus Lowe’s, ia menggunakan pengetahuan reka bentuk dalaman untuk menasihati pelanggan tentang hiasan rumah.

Ada pelanggan yang masih mahukan interaksi manusia. Nasib baik, MyLow juga boleh digunakan oleh jurujual. Pekerja boleh dapatkan maklumat dari MyLow dan bantu pelanggan secara langsung.

Mula Tawarkan Pembantu Suara AI

Pembantu AI suara jelas pilihan terbaik. Cekap dan berpersonaliti, tanpa mengorbankan nilai kemanusiaan– memang berbaloi.

Botpress menawarkan pembina seret dan lepas yang boleh disesuaikan, pemantauan manusia dalam kitaran, pelbagai integrasi sedia ada, dan sebagai pelengkap, pembalut suara yang menyatu dengan ejen anda.

Bot kami bersih dan intuitif, tetapi sama sekali bukan asas.

Mula bina hari ini. Ia percuma.

Soalan Lazim

Sejauh mana ketepatan pembantu suara AI dalam memahami pelbagai loghat atau gangguan pertuturan?

Pembantu suara AI kini semakin tepat dengan pelbagai loghat kerana dilatih menggunakan data global, tetapi ketepatan tetap menurun untuk loghat serantau yang kuat, sebutan luar biasa, atau kecacatan pertuturan. Sesetengah sistem seperti Google dan Microsoft menawarkan model khusus loghat, tetapi pengguna dengan cabaran pertuturan yang ketara mungkin mengalami kadar ralat lebih tinggi dan memerlukan penyesuaian atau penyelesaian khusus.

Bolehkah pembantu suara AI berfungsi tanpa sambungan internet atau adakah ia sentiasa memerlukan sambungan internet?

Pembantu suara AI boleh berfungsi tanpa internet jika menggunakan pengecaman suara dan model bahasa pada peranti, tetapi biasanya terhad kepada tugasan mudah dan tiada akses data luaran masa nyata. Kebanyakan pembantu canggih memerlukan internet untuk pemprosesan berasaskan awan dan mendapatkan maklumat terkini.

Sejauh mana keselamatan data yang dikongsi dengan pembantu suara AI, terutamanya untuk industri sensitif seperti penjagaan kesihatan dan perbankan?

Data yang dikongsi dengan pembantu suara AI dalam industri sensitif seperti penjagaan kesihatan dan perbankan dilindungi melalui penyulitan dan pematuhan kepada peraturan seperti HIPAA, GDPR, atau PCI DSS. Namun, perniagaan perlu memilih penyedia yang mempunyai pensijilan keselamatan kukuh dan elakkan menghantar maklumat peribadi yang boleh dikenal pasti.

Adakah mahal untuk menambah antara muka suara pada chatbot sedia ada?

Menambah antara muka suara pada chatbot sedia ada boleh jadi agak murah (menggunakan API awan seperti Google Text-to-Speech atau pembalut suara Botpress) atau lebih mahal jika memerlukan pembangunan atau integrasi khusus ke dalam sistem proprietari. Banyak platform kini menawarkan integrasi suara sebagai ciri, menjadikan kos hanya beberapa ratus dolar sebulan untuk penggunaan sederhana, tetapi pelaksanaan berskala besar dengan suara khusus atau keperluan keselamatan boleh mencecah harga perusahaan puluhan ribu dolar.

Berapa pantas sesebuah perniagaan boleh melancarkan pembantu suara AI dari awal?

Sebuah perniagaan boleh melancarkan pembantu suara AI asas dalam masa beberapa jam sahaja menggunakan platform tanpa kod atau templat sedia ada, terutamanya untuk tugas mudah seperti Soalan Lazim atau mengalihkan panggilan. Pembantu suara yang lebih kompleks yang berintegrasi dengan sistem backend dan menyokong dialog semula jadi biasanya memerlukan beberapa minggu hingga beberapa bulan untuk dibangunkan.