Améliorer la précision de la transcription
- Licence Genesys Cloud CX 1 WEM Add-on II, Genesys Cloud CX 2 WEM Add-on I, ou Licence Genesys Cloud CX 3
- A Genesys Cloud Voice
- Transcription vocale activée. our plus d’informations, consultez Travailler avec une transcription vocale.
Dans le cadre de Genesys Cloud Speech and Text Analytics (STA), la transcription vocale permet de dégager le sens des interactions en transformant la parole en texte. Il permet également aux superviseurs des centres de contenu et aux responsables de la qualité de ne pas avoir à écouter l'enregistrement d'une interaction.
La transcription de la voix jette les bases d'une analyse plus approfondie de l'interaction. Par exemple, la recherche de contenu, le repérage de sujets, l'analyse des sentiments, l'empathie et le comportement non professionnel sont tous fondés sur l'analyse de la transcription.
Une transcription précise est nécessaire pour fournir des informations utiles. Les appels mal transcrits obligent le superviseur à réécouter l'enregistrement, pour repérer les sujets oubliés et les sentiments qui peuvent être mal notés. Une meilleure précision améliore toutes les capacités de la STA.
L'amélioration de la précision de la transcription est une priorité depuis les premières capacités de transcription de Genesys Cloud. Depuis son lancement, la transcription vocale a connu des améliorations significatives en termes de précision pour tous les dialectes, notamment grâce à l'introduction d'un nouveau moteur de transcription et à la mise à jour des modèles de transcription.
Comprendre la précision de la transcription
La précision de la transcription de la parole est généralement mesurée à l'aide du taux d'erreur sur les mots (WER). La précision est représentée par une valeur WER négative (par exemple, 100% - WER%). Pour plus d'informations, voir Taux d'erreur des mots.
Facteurs pouvant affecter la précision de la transcription
- Qualité audio
- Qualité d'enregistrement
- Problèmes de connectivité
- Configuration des services de transcription
- Moteur utilisé pour la formation et la transcription
- Données d'entraînement utilisées pour construire le modèle
- Vocabulaire utilisé dans les interactions
Faible précision de la transcription
Lorsque la précision de la transcription est faible, procédez aux étapes suivantes pour vous assurer qu'il n'y a pas de problèmes sous-jacents qui affectent négativement la transcription.
- Éliminer les problèmes systémiques.
- Examiner, transcrire et comparer manuellement un échantillon des enregistrements.
- Vérifier le vocabulaire qui est régulièrement transcrit de manière incorrecte.
Après avoir effectué ces dernières étapes, vous devez vérifier que la configuration est correcte. Les files d'attente et les flux doivent être réglés sur le dialecte approprié pour que la transcription fonctionne correctement.
Une fois la configuration et les problèmes sous-jacents écartés, vous devez analyser l'ampleur des erreurs de transcription en collectant des échantillons d'enregistrements et en comparant les transcriptions générées avec les transcriptions transcrites manuellement. Pour atteindre un niveau de confiance élevé en matière de précision des enregistrements, ce processus peut nécessiter environ deux heures d'enregistrements transcrits. Les deux heures d'enregistrement transcrites devraient être constituées d'un assortiment aléatoire d'interactions plutôt que d'une sélection d'interactions apparemment problématiques.
Pour plus d'informations sur l'exportation d'enregistrements à partir de Genesys Cloud, voir À propos de l'intégration des actions de masse d'enregistrement AWS S3.
Le modèle de transcription de la parole en texte s'adapte et se développe lorsque des phrases sont ajoutées à un sujet. S'il y a un terme important cette est systématiquement mal interprété dans les transcriptions d'interaction, vous devez effectuer les opérations suivantes pour augmenter la précision de la transcription :
- Ajouter le terme à les liste de phrases dans un neuf ou existant sujet.
- Vérifier les spécifique le sujet est ajouté à la liste des sujets du programme utilisé pour transcrire les interactions.
Par exemple, si le mot COVID est régulièrement transcrit comme secret, vous devriez modifier un sujet existant ou créer un nouveau sujet avec des phrases qui contiennent le mot covid. Par exemple, « testé pour COVID, " "la situation COVID, " « Verrouillages COVID, " etc.
Mots et phrases problématiques
Souvent, le problème ne réside pas dans la transcription globale, mais plutôt dans des mots spécifiques qui sont transcrits de manière inexacte.
La liste suivante présente les méthodes qui peuvent être utilisées pour améliorer les mots et les phrases problématiques.
- Ajout de termes et de phrases à l'aide de l'API de gestion des dictionnaires
- Ajout de phrases à la définition des sujets
- Utilisation des services de transcription vocale étendue
- Don de données
- Découverte des mots
Ajout de termes et de phrases à l'aide de l'API de gestion des dictionnaires
La gestion des dictionnaires permet d'améliorer la reconnaissance des termes spécifiques à une entreprise ou à un domaine. Des marques, des mots ou des acronymes spécifiques sont transcrits en fonction des spécificités de l'organisation. Cette fonction permet aux clients d'ajouter des termes au dictionnaire, améliorant ainsi les chances de reconnaissance du service de transcription.
Pour plus d'informations, consultez le site Dictionary Management API.
L'API permet de spécifier des termes propres à une organisation, de fournir des exemples de phrases, d'identifier des termes à consonance similaire et d'attribuer un niveau de sensibilité pour la transcription vocale. Les valeurs de boost vont de 1 à 10 et augmentent la probabilité d'identification du terme sur une échelle logarithmique.
Ajout de phrases à la définition des thèmes
Le repérage des sujets permet aux entreprises de repérer des sujets spécifiques dans les interactions. Un sujet encapsule une intention de niveau métier détectée dans les interactions. En ajoutant des mots et des phrases problématiques en tant que sujet et en veillant à ce que les files d'attente soient configurées correctement, un client peut orienter le moteur de transcription vers l'identification de ces phrases. our plus d’informations, consultez Travailler avec un sujet.
Utilisation des services de transcription vocale étendue
EVTS utilise Azure STT pour transcrire les interactions vocales. La transcription est directement intégrée dans Genesys Cloud, de sorte que la transcription apparaîtra dans la page de détails des interactions comme n'importe quelle autre transcription.
En fonction du dialecte décrit, la précision de la transcription peut être plus grande en utilisant le STVE.
Pour plus d'informations, voir Transcription vocale - Quelle est la différence entre Genesys Cloud Voice Transcription et Extended Voice Transcription Services.
Pour plus d'informations sur les langues prises en charge par EVTS, voir Langues prises en charge par Genesys Cloud.
Don de données
Lorsque vous ajoutez des enregistrements aux transcriptions manuelles, vous pouvez réapprendre à votre moteur de transcription en langue maternelle la terminologie propre à l'entreprise, ce qui améliore la précision de la transcription. Les données associées aux enregistrements avec transcriptions manuelles améliorent la précision globale pour tous les dialectes. Le traitement de ces données et le réentraînement du modèle de dialecte peuvent prendre plusieurs mois. Un don de 200 heures ou plus peut conduire à une amélioration de la précision.
Amélioration de la précision de la feuille de route
Genesys met continuellement à jour les modèles acoustiques et linguistiques, ainsi que les moteurs de transcription sous-jacents utilisés pour la transcription. Cela permet d'améliorer continuellement la précision. Pour plus d'informations sur une prochaine version d'une fonctionnalité, voir Versions d'une fonctionnalité et communication.
Pour toute question supplémentaire concernant les enregistrements avec des données de transcription manuelle, et pour améliorer la précision, contacter le service clientèle.
