Smartare förståelse, tydligare samtal: Retells ASR har fått en stor uppgradering

Kärnan i att förstå människor korrekt och föra naturliga samtal ligger i automatisk taligenkänning (ASR), som är avgörande för alla AI-samtalsbottar.

Telefonsamtal är i grunden utmanande ur ett taligenkänningsperspektiv. Dålig uppkoppling, bakgrundsljud och olika dialekter och brytningar gör det svårt att förstå vad en uppringare säger.

Därför har vi lanserat en stor uppgradering av Retells motor för automatisk taligenkänning (ASR), som ger skarpare transkription, starkare avsiktsigenkänning och mer tillförlitliga samtalsresultat på sju vanligt använda språk.

Det innebär bättre precision, kristallklara transkriptioner och högre andel genomförda samtal.

Vad är nytt i Retells uppgraderade ASR-motor

Retells nya ASR (text-till-tal) stöder nu 22+ nya språk inklusive:

• Afrikaans
• Arabiska
• Azerbajdzjanska
• Bosniska
• Walesiska
• Persiska
• Filipino
• Galiciska
• Hebreiska
• Kroatiska
• Armeniska
• Isländska
• Kazakiska
• Kannada
• Makedonska
• Marathi
• Nepali
• Slovenska
• Serbiska
• Swahili
• Tamil
• Urdu

Detta ger oss totalt 50+ språk och för oss ett steg närmare att göra innehåll tillgängligt på alla språk. Tillägget av dessa språk öppnar enorma möjligheter för företag att nå nya målgrupper; enbart arabiska talas av 450 miljoner, persiska av 130 miljoner och urdu av 250 miljoner.

Dessa språk finns tillgängliga som en del av vår nya ASR. Du kan testa OpenAI TTS för att bygga din nästa röstagent med Retell. Du kan även klona din röst och konvertera den till vilket som helst av våra 50+ språk.

Detta omfattande språkstöd gör det möjligt för företag att effektivt engagera en global publik. Prova Retell AI idag och se det i praktiken.

Hur använder du Retells uppdaterade språk?

Att förbättra din AI-botts förmåga att kommunicera på flera språk är ett kraftfullt sätt att förbättra användarupplevelsen.

Med Retell AI kan du aktivera dessa flerspråkiga funktioner i några enkla steg:

Steg 1: Öppna de globala inställningarna

Gå till Agent Dashboard och välj den bott du vill konfigurera. Klicka på menyn Global Settings på höger sida.

Steg 2: Välj röst och språk

I avsnittet Voice and Language under Global Settings klickar du på rullgardinsmenyn för att utforska tillgängliga språk.

Välj önskat språk för din bott. Om du till exempel väljer spanska (Latinamerika) tillämpas denna röst- och språkinställning på botten.

Steg 3: Anpassa konversationsflödet

När du har valt språk går du tillbaka till Conversation Flow-editorn och säkerställer att alla meddelanden är korrekt översatta för målgruppen.

I noden Greetings kan botten till exempel säga:

“Hola, soy Anna, una representante de inteligencia artificial que llama desde la organización Retell Healthcare en una línea grabada…” (när spanska är valt).

Bekräfta att varje konversationsnod – inklusive användarprompter och svar – konsekvent matchar det valda språket.

Dessa flerspråkiga röstflöden kan även sättas upp i ett AI-drivet IVR-system, vilket gör det möjligt för uppringare att navigera i menyer och nå rätt avdelning på sitt föredragna språk.

Steg 4: Testa den flerspråkiga funktionen

Använd alternativet Test i Global Settings för att simulera ett samtal och verifiera att botten svarar smidigt på det valda språket. Granska både röst- och textutdata för att säkerställa precision och konsekvens.

Denna konfiguration kan även stödja avancerade användningsfall, som en AI-bokningsagent, där botten bekräftar datum, tider och andra detaljer samtidigt som den talar kundens föredragna språk naturligt.

Tips för en effektiv flerspråkig konfiguration

• Röstval: Välj en röst som passar målgruppens region för att öka igenkänning och engagemang.

• Flerspråkigt läge: I regioner med tvåspråkiga eller flerspråkiga användare kan du aktivera flerspråkigt läge så att botten sömlöst kan växla mellan språk.

Genom att följa dessa bästa praxis kan din AI-bott kommunicera tydligt med en bredare publik, förbättra tillgängligheten och leverera en mer inkluderande kundupplevelse.

Hur fungerar denna nya ASR i Retell?

Realtidstranskription är ofta en avvägning mellan latens och precision.

När du optimerar för hastighet får du lägsta möjliga latens men en högre risk för fel på grund av mindre kontext. När du förlitar dig på resultat med mer kontext riskerar du att vänta längre efter att användaren slutat tala.

Retell erbjuder två transkriptionsmodeller:

• Optimera för hastighet (lägena Fast & Accurate)

• Optimera för precision (läget Accurate)

Även om vi har funnit att läget optimera för hastighet och läget optimera för precision har liknande WER (Word Error Rate). Den verkliga skillnaden ligger i de minsta detaljerna som nummer, datum eller adress.

Genom att optimera vår akustiska modelleringspipeline, förfina språkspecifika fonetiska lexikon och förbättra realtidsavkodning levererar Retell nu dramatiskt lägre Word Error Rates (WER) i både läget Accurate och lägena Fast & Accurate.

Skarpare precision i europeiska språk (läget Accurate)

För tyska, franska, italienska och polska sänkte vi Word Error Rate med 7–10 punkter.

Dessa var redan starka språk i vårt Accurate-läge. Ändå minskar den nya modelleringsarkitekturen avsevärt de standardfeltyper vi observerade i verkliga kundsamtal, som brytningsdrivna fonembyten, förvrängningar från bakgrundsljud och fel i genus-/numerus-kongruens.

Vad detta innebär för röstautomatisering:

• Tydligare transkriptioner även i bullriga miljöer

• Mer tillförlitlig avsiktsigenkänning för komplexa svar med flera meningar

• Färre reparationsturer (”Ursäkta, kan du upprepa det?”)

• Högre andel lösta ärenden vid första samtalet för arbetsflöden inom support, försäljning och service

Stora genombrott i asiatiska språk (lägena Fast & Accurate)

För kinesiska (mandarin), malajiska och hindi är vinsterna ännu större: WER-förbättringar på 15–25 punkter.

Dessa språk har historiskt varit utmanande för ASR på grund av tonal dynamik (mandarin), kodblandning (malajiska) och brytningsmångfald (hindi). Den uppgraderade motorn hanterar nu dessa komplexiteter mycket mer intelligent.

Vad detta möjliggör:

• Avsevärt bättre realtidsförståelse även vid Fast-lägets hastigheter
  
• Korrekt igenkänning av tonala förändringar, dialektvariationer och blandad språkanvändning
  
• Mer naturligt turtagande utan fördröjningar eller feltolkningar
  
• Starkare prestanda i callcenter-liknande telefonljud – den tuffaste ASR-miljön

Vad detta innebär: Renare indata → smartare utdata

Den nya ASR-motorn minskar avvikelsen mellan vad uppringare säger och vad AI:n tror att de sa. Med lägre WER får vår LLM-drivna resonemangsmotor tydligare text, vilket möjliggör:

• Mer precis avsiktsigenkänning
• Färre sammanbrott i konversationen
• Jämnare, snabbare lösningar
• Mer människolikt agentbeteende

Denna uppgradering förbättrar inte bara transkriptionen – den lyfter hela upplevelsen av röstautomatisering.

‍