Intelligenteres Verständnis, klarere Anrufe: Retells ASR erhält ein großes Upgrade

Im Zentrum davon, Menschen korrekt zu verstehen und natürliche Gespräche zu führen, steht die Rolle der automatischen Spracherkennung (ASR), die für jeden KI-Call-Bot entscheidend ist.

Telefongespräche sind aus der Perspektive der Spracherkennung von Natur aus herausfordernd. Schlechte Verbindungen, Hintergrundgeräusche sowie verschiedene Dialekte und Akzente erschweren das Verständnis der Worte eines Anrufers.

Deshalb haben wir ein großes Upgrade der Automatischen Spracherkennung (ASR) von Retell eingeführt, das eine schärfere Transkription, stärkere Absichtserkennung und zuverlässigere Anrufergebnisse in sieben weit verbreiteten Sprachen bietet.

Das bedeutet bessere Genauigkeit, glasklare Transkripte und höhere Anrufabschlussraten.

Was ist neu in der verbesserten ASR-Engine von Retell

Retells neue ASR (Text-to-Speech) unterstützt jetzt über 22 neue Sprachen, darunter:

• Afrikaans
• Arabisch
• Aserbaidschanisch
• Bosnisch
• Walisisch
• Persisch
• Philippinisch
• Galicisch
• Hebräisch
• Kroatisch
• Armenisch
• Isländisch
• Kasachisch
• Kannada
• Mazedonisch
• Marathi
• Nepali
• Slowenisch
• Serbisch
• Suaheli
• Tamil
• Urdu

Damit steigt unsere Gesamtzahl der Sprachen auf über 50, was uns einen Schritt näher daran bringt, Inhalte in jeder Sprache zugänglich zu machen. Das Hinzufügen dieser Sprachen eröffnet Unternehmen enorme Möglichkeiten, neue Zielgruppen zu erreichen; Arabisch allein wird von 450 Millionen Menschen gesprochen, Persisch von 130 Millionen und Urdu von 250 Millionen.

Diese Sprachen werden als Teil unserer neuen ASR verfügbar gemacht. Sie können OpenAI TTS ausprobieren, um Ihren nächsten Sprachagenten mit Retell zu erstellen. Sie können auch Ihre Stimme klonen und in jede unserer über 50 Sprachen umwandeln.

Diese umfangreiche Sprachunterstützung ermöglicht es Unternehmen, effektiv mit einem globalen Publikum in Kontakt zu treten. Testen Sie Retell AI noch heute und erleben Sie es in Aktion.

Wie verwenden Sie Retells aktualisierte Sprachen?

Die Fähigkeit Ihres KI-Bots, in mehreren Sprachen zu kommunizieren, zu verbessern, ist eine wirkungsvolle Möglichkeit, das Nutzererlebnis zu steigern.

Mit Retell AI können Sie diese mehrsprachigen Funktionen in wenigen einfachen Schritten aktivieren:

Schritt 1: Zugriff auf die globalen Einstellungen

Navigieren Sie zum Agent Dashboard und wählen Sie den Bot aus, den Sie konfigurieren möchten. Klicken Sie auf der rechten Seite auf das Menü Global Settings.

Schritt 2: Stimme und Sprache auswählen

Klicken Sie im Bereich Voice and Language unter Global Settings auf das Dropdown-Menü, um die verfügbaren Sprachen zu erkunden.

Wählen Sie die gewünschte Sprache für Ihren Bot. Wenn Sie zum Beispiel Spanisch (Lateinamerika) auswählen, wird diese Stimm- und Spracheinstellung auf den Bot angewendet.

Schritt 3: Gesprächsablauf anpassen

Kehren Sie nach der Auswahl der Sprache zum Conversation Flow-Editor zurück und stellen Sie sicher, dass alle Nachrichten für die Zielgruppe korrekt übersetzt sind.

Zum Beispiel könnte der Bot im Greetings-Node sagen:

„Hola, soy Anna, una representante de inteligencia artificial que llama desde la organización Retell Healthcare en una línea grabada…“ (wenn Spanisch ausgewählt ist).

Bestätigen Sie, dass jeder Gesprächsknoten – einschließlich Nutzeranfragen und Antworten – durchgängig mit der ausgewählten Sprache übereinstimmt.

Diese mehrsprachigen Sprachabläufe können auch innerhalb eines KI-gestützten IVR-Systems eingerichtet werden, sodass Anrufer durch Menüs navigieren und die passende Abteilung in ihrer bevorzugten Sprache erreichen können.

Schritt 4: Die mehrsprachige Funktion testen

Verwenden Sie die Option Test in den Global Settings, um ein Gespräch zu simulieren und zu überprüfen, ob der Bot reibungslos in der ausgewählten Sprache antwortet. Überprüfen Sie sowohl Sprach- als auch Textausgaben, um Genauigkeit und Konsistenz sicherzustellen.

Diese Konfiguration kann auch fortgeschrittene Anwendungsfälle unterstützen, wie einen KI-Terminierungsagenten, bei dem der Bot Daten, Uhrzeiten und andere Details bestätigt, während er auf natürliche Weise in der bevorzugten Sprache des Kunden spricht.

Tipps für eine effektive mehrsprachige Einrichtung

• Stimmauswahl: Wählen Sie eine Stimme, die zur Region der Zielgruppe passt, um Vertrautheit und Engagement zu verbessern.

• Mehrsprachiger Modus: Aktivieren Sie in Regionen mit zwei- oder mehrsprachigen Nutzern den mehrsprachigen Modus, damit der Bot nahtlos zwischen den Sprachen wechseln kann.

Wenn Sie diese Best Practices befolgen, kann Ihr KI-Bot klar mit einem breiteren Publikum kommunizieren, die Zugänglichkeit verbessern und ein inklusiveres Kundenerlebnis bieten.

Wie funktioniert diese neue ASR in Retell?

Echtzeit-Transkription ist oft ein Kompromiss zwischen Latenz und Genauigkeit.

Wenn Sie auf Geschwindigkeit optimieren, erhalten Sie die niedrigste Latenz, aber eine höhere Fehlerwahrscheinlichkeit aufgrund von weniger Kontext. Wenn Sie sich auf Ergebnisse mit mehr Kontext verlassen, riskieren Sie, länger warten zu müssen, nachdem der Nutzer aufgehört hat zu sprechen.

Retell bietet zwei Transkriptionsmodelle:

• Optimierung auf Geschwindigkeit (Fast- & Accurate-Modi)

• Optimierung auf Genauigkeit (Accurate-Modus)

Auch wenn wir festgestellt haben, dass der Modus zur Optimierung auf Geschwindigkeit und der Modus zur Optimierung auf Genauigkeit eine ähnliche WER (Word Error Rate) aufweisen. Der wahre Unterschied liegt in den kleinsten Details wie Nummer, Datum oder Adresse.

Durch die Optimierung unserer akustischen Modellierungspipeline, die Verfeinerung sprachspezifischer phonetischer Wörterbücher und die Verbesserung der Echtzeit-Dekodierung liefert Retell jetzt dramatisch niedrigere Word Error Rates (WER) sowohl im Accurate-Modus als auch in den Fast- & Accurate-Modi.

Schärfere Genauigkeit bei europäischen Sprachen (Accurate-Modus)

Für Deutsch, Französisch, Italienisch und Polnisch haben wir die Word Error Rate um 7–10 Punkte gesenkt.

Dies waren bereits starke Sprachen in unserem Accurate-Modus. Dennoch reduziert die neue Modellierungsarchitektur die Standardfehlertypen, die wir in echten Kundenanrufen beobachtet haben, erheblich – wie akzentbedingte Phonemvertauschungen, Verzerrungen durch Hintergrundgeräusche und Fehler bei der Genus-/Numerus-Kongruenz.

Was das für die Sprachautomatisierung bedeutet:

• Klarere Transkripte selbst in lauten Umgebungen

• Zuverlässigere Absichtserfassung bei komplexen, mehrsätzigen Antworten

• Weniger Korrekturschleifen („Entschuldigung, könnten Sie das wiederholen?“)

• Höhere Erstlösungsquote für Support-, Vertriebs- und Service-Workflows

Große Durchbrüche bei asiatischen Sprachen (Fast- & Accurate-Modi)

Für Chinesisch (Mandarin), Malaiisch und Hindi sind die Gewinne sogar noch größer: WER-Verbesserungen von 15–25 Punkten.

Diese Sprachen waren für ASR historisch herausfordernd, aufgrund tonaler Dynamik (Mandarin), Code-Mixing (Malaiisch) und Akzentvielfalt (Hindi). Die verbesserte Engine bewältigt diese Komplexitäten nun weitaus intelligenter.

Was das ermöglicht:

• Deutlich besseres Echtzeitverständnis selbst bei den Geschwindigkeiten des Fast-Modus
  
• Genaue Erkennung von Tonveränderungen, Dialektvariationen und gemischtsprachiger Nutzung
  
• Natürlicherer Sprecherwechsel ohne Verzögerungen oder Missverständnisse
  
• Stärkere Leistung bei Telefon-Audio im Callcenter-Stil – der schwierigsten ASR-Umgebung

Was das bedeutet: Saubererer Input → intelligenterer Output

Die neue ASR-Engine reduziert die Diskrepanz zwischen dem, was Anrufer sagen, und dem, was die KI zu hören meint. Mit niedrigerer WER erhält unsere LLM-gestützte Reasoning-Engine klareren Text, was Folgendes ermöglicht:

• Präzisere Absichtserkennung
• Weniger Gesprächsabbrüche
• Reibungslosere, schnellere Lösungen
• Natürlicher klingendes Verhalten des Agenten

Dieses Upgrade verbessert nicht nur die Transkription – es hebt das gesamte Sprachautomatisierungs-Erlebnis auf ein neues Niveau.

‍