Bedre forståelse, klarere opkald: Retells ASR har fået en stor opgradering

Kernen i at forstå folk korrekt og føre naturlige samtaler ligger i rollen for automatisk talegenkendelse (ASR), som er afgørende for enhver AI-opkaldsbot.

Telefonsamtaler er i sagens natur udfordrende set fra et talegenkendelsesperspektiv. Dårlig forbindelse, baggrundsstøj og forskellige dialekter og accenter gør det svært at forstå, hvad en person siger.

Derfor har vi lanceret en stor opgradering til Retells motor for automatisk talegenkendelse (ASR), som giver skarpere transskription, stærkere hensigtsgenkendelse og mere pålidelige opkaldsresultater på syv udbredte sprog.

Det betyder bedre nøjagtighed, krystalklare transskriptioner og højere gennemførelsesrater for opkald.

Hvad er nyt i Retells opgraderede ASR-motor

Retells nye ASR (tekst-til-tale) understøtter nu 22+ nye sprog, herunder:

• Afrikaans
• Arabisk
• Aserbajdsjansk
• Bosnisk
• Walisisk
• Persisk
• Filippinsk
• Galicisk
• Hebraisk
• Kroatisk
• Armensk
• Islandsk
• Kasakhisk
• Kannada
• Makedonsk
• Marathi
• Nepali
• Slovensk
• Serbisk
• Swahili
• Tamilsk
• Urdu

Dette bringer vores samlede antal sprog op på 50+, hvilket bringer os et skridt tættere på at gøre indhold tilgængeligt på ethvert sprog. Tilføjelsen af disse sprog åbner enorme muligheder for virksomheder for at nå nye målgrupper; arabisk alene tales af 450 millioner, persisk af 130 millioner og urdu af 250 millioner.

Disse sprog stilles til rådighed som en del af vores nye ASR. Du kan afprøve OpenAI TTS til at bygge din næste stemmeagent med Retell. Du kan også klone din stemme og konvertere den til ethvert af vores 50+ sprog.

Denne omfattende sprogunderstøttelse gør det muligt for virksomheder at engagere sig effektivt med et globalt publikum. Prøv Retell AI i dag og se det i aktion.

Sådan bruger du Retells opdaterede sprog

At forbedre din AI-bots evne til at kommunikere på flere sprog er en effektiv måde at forbedre brugeroplevelsen på.

Med Retell AI kan du aktivere disse flersprogede funktioner i nogle få enkle trin:

Trin 1: Åbn de globale indstillinger

Naviger til Agent Dashboard og vælg den bot, du vil konfigurere. Klik på menuen Global Settings i højre side.

Trin 2: Vælg stemme og sprog

I sektionen Voice and Language under Global Settings skal du klikke på rullemenuen for at udforske de tilgængelige sprog.

Vælg det ønskede sprog til din bot. Hvis du for eksempel vælger Spansk (Latinamerika), anvendes denne stemme- og sprogindstilling på botten.

Trin 3: Tilpas samtaleforløbet

Når du har valgt sproget, skal du vende tilbage til Conversation Flow-editoren og sikre, at alle beskeder er oversat korrekt til målgruppen.

For eksempel kan botten i Greetings-noden sige:

“Hola, soy Anna, una representante de inteligencia artificial que llama desde la organización Retell Healthcare en una línea grabada…” (når spansk er valgt).

Bekræft, at hver samtalenode—herunder brugerprompter og svar—konsekvent matcher det valgte sprog.

Disse flersprogede stemmeforløb kan også opsættes i et AI-drevet IVR-system, hvilket gør det muligt for folk at navigere i menuer og nå den rette afdeling på deres foretrukne sprog.

Trin 4: Test den flersprogede funktion

Brug Test-muligheden i Global Settings til at simulere en samtale og verificere, at botten svarer glat på det valgte sprog. Gennemgå både stemme- og tekstoutput for at sikre nøjagtighed og konsistens.

Denne konfiguration kan også understøtte avancerede anvendelsestilfælde, såsom en AI-bookingagent, hvor botten bekræfter datoer, tidspunkter og andre detaljer, mens den naturligt taler kundens foretrukne sprog.

Tips til en effektiv flersproget opsætning

• Valg af stemme: Vælg en stemme, der passer til målgruppens region, for at forbedre genkendeligheden og engagementet.

• Flersproget tilstand: I regioner med tosprogede eller flersprogede brugere kan du aktivere flersproget tilstand, så botten kan skifte mellem sprog problemfrit.

Ved at følge disse bedste praksisser kan din AI-bot kommunikere klart med et bredere publikum, hvilket forbedrer tilgængeligheden og leverer en mere inkluderende kundeoplevelse.

Hvordan fungerer denne nye ASR i Retell?

Transskription i realtid er ofte en afvejning mellem latens og nøjagtighed.

Når du optimerer for hastighed, får du den laveste latens, men en større risiko for fejl på grund af mindre kontekst. Når du stoler på resultater med mere kontekst, risikerer du at vente længere, efter brugeren er holdt op med at tale.

Retell tilbyder to transskriptionsmodeller:

• Optimer for hastighed (tilstandene Fast & Accurate)

• Optimer for nøjagtighed (tilstanden Accurate)

Selvom vi har fundet ud af, at tilstanden optimer for hastighed og tilstanden optimer for nøjagtighed har lignende WER (Word Error Rate). Den reelle forskel ligger i de mindste detaljer såsom tal, dato eller adresse.

Ved at optimere vores pipeline til akustisk modellering, forfine sprogspecifikke fonetiske ordbøger og forbedre afkodning i realtid leverer Retell nu dramatisk lavere Word Error Rates (WER) i både Accurate-tilstand og Fast & Accurate-tilstande.

Skarpere nøjagtighed i europæiske sprog (Accurate-tilstand)

For tysk, fransk, italiensk og polsk skar vi Word Error Rate med 7-10 point.

Dette var allerede stærke sprog i vores Accurate-tilstand. Alligevel reducerer den nye modelleringsarkitektur markant de standardfejltyper, vi observerede i rigtige kundeopkald, såsom accentdrevne fonemudskiftninger, forvrængninger fra baggrundsstøj og fejl i køns-/talkongruens.

Hvad dette betyder for stemmeautomatisering:

• Klarere transskriptioner selv i støjende miljøer

• Mere pålidelig registrering af hensigt for komplekse svar med flere sætninger

• Færre reparationsrunder (“Undskyld, kan du gentage det?”)

• Højere løsning ved første opkald for support-, salgs- og servicearbejdsgange

Store gennembrud i asiatiske sprog (Fast & Accurate-tilstande)

For kinesisk (mandarin), malajisk og hindi er gevinsterne endnu større: WER-forbedringer på 15-25 point.

Disse sprog har historisk været udfordrende for ASR på grund af tonal dynamik (mandarin), code-mixing (malajisk) og accentdiversitet (hindi). Den opgraderede motor håndterer nu disse kompleksiteter langt mere intelligent.

Hvad dette låser op for:

• Betydeligt bedre forståelse i realtid selv ved Fast-tilstandens hastigheder
  
• Nøjagtig genkendelse af toneændringer, dialektvariationer og brug af blandet sprog
  
• Mere naturlig turtagning uden forsinkelser eller fejltolkninger
  
• Stærkere ydeevne i telefonlyd i callcenter-stil — det sværeste ASR-miljø

Hvad dette betyder: Renere input → smartere output

Den nye ASR-motor reducerer uoverensstemmelsen mellem, hvad folk siger, og hvad AI'en tror, de sagde. Med lavere WER modtager vores LLM-drevne ræsonnementsmotor klarere tekst, hvilket muliggør:

• Mere præcis hensigtsgenkendelse
• Færre sammenbrud i samtalen
• Glattere, hurtigere løsninger
• Mere menneskelignende agentadfærd

Denne opgradering forbedrer ikke kun transskription — den løfter hele oplevelsen med stemmeautomatisering.

‍