以模型為基礎的發言結束偵測
服務會偵測通話者何時完成一輪發言，而不是只依賴固定的停頓門檻，有助於減少語音輸入過程中過早截斷的情況。
具備不確定性訊號的語音轉文字
Kugel Ear 1 是專為語音代理打造的語音轉文字服務。它的主要特色在於，會回報不確定的詞語，而不是迫使應用程式將每個轉錄詞元都視為確定結果。對於不確定的詞語，回應可以包含替代拼寫及其機率，讓代理取得足夠資訊來請通話者進一步確認。
服務也會判定通話者的一輪發言何時結束。應用程式會串流傳送通話音訊，包括停頓，並在 Kugel Ear 1 偵測到發言結束時接收最終轉錄文字。這項功能適用於處理姓名、地址、代碼、客戶編號與電話通話的對話系統，因為轉錄錯誤與打斷通話者都可能影響互動。
主要功能
詞語層級的不確定性候選結果
當辨識結果不確定時，輸出會包含原始詞語位置、候選拼寫與機率，例如 Viktor、Victor 和 Wiktor。
串流轉錄工作流程
應用程式可在通話音訊抵達時進行串流傳送，包含停頓，並在模型判定一輪發言結束後接收最終轉錄文字。
用於確認的結構化輸出
文件所述的輸出會將最終轉錄文字與後續的候選結果訊息分開，讓語音機器人能判斷何時需要進一步確認。
針對複雜通話輸入的語音辨識
已發布的範例與測試涵蓋對話語音、電話線路音訊、姓名、地址、代碼、客戶編號，以及其他拼寫準確度至關重要的語音輸入。
實際使用情境
確認姓名與地址
當通話者口述某人的姓名或街道地址時，代理可以利用替代拼寫確認有歧義的部分，而不必重複整個要求。
核對代碼與客戶識別資訊
對於客戶編號、代碼、電話號碼及類似值，應用程式可以找出不確定的詞語或數字，並在繼續之前要求針對性修正。
處理電話線路對話
在電話交談期間，發言結束偵測可協助代理等待有意義的停頓，並減少通話者仍在閱讀或說話時遭到打斷的情況。
建置具備澄清能力的語音代理
建置語音機器人的開發人員可以將最終轉錄文字與不確定性訊息作為分開的輸入，以決定要自動繼續，還是提出澄清問題。
Pros and Cons
Pros
- 會為判定為不確定的詞語返回候選拼寫與機率。
- 結合串流轉錄與以模型為基礎的發言結束偵測。
- 文件所述的工作流程會將停頓包含在傳入音訊中，並在一輪發言結束時返回最終轉錄文字。
- 已發布的評估涵蓋電話線路音訊，以及姓名、地址、代碼與客戶編號等輸入。
- 產品頁面指出，在一次客服通話測量中，從輸入結束到最終轉錄文字的中位數時間為 72 毫秒。
Cons
- 現有產品證據未能證實支援的 SDK、完整 API 文件、部署選項或整合功能。
- 基準測試結果取決於特定資料集，已發布的證據未針對每種語言、音訊條件或正式環境工作流程定義準確度或延遲。
- 團隊需要建立應用程式邏輯，以解讀候選結果並決定何時要求進一步確認。
FAQ
Kugel Ear 1 會返回哪些內容？
Kugel Ear 1 會處理串流通話音訊，並判定每位說話者的發言何時結束。接著，它會返回最終轉錄文字，並標示不確定的詞語，包括所考慮的拼寫方式及其機率。
應用程式如何將音訊傳送至 Kugel Ear 1？
來源展示了一個 WebSocket 風格的串流範例，應用程式會傳送 16 kHz 音訊設定與音訊片段，其中也包含停頓。產品頁面未記載完整的整合指南或所有支援的介面。
Kugel Ear 1 適合哪些使用者？
Kugel Ear 1 專為語音代理工作流程打造，讓應用程式運用不確定性資訊，請通話者進一步澄清，而不是默默選擇可能不正確的拼寫。
Kugel Ear 1 曾針對哪些項目進行基準測試？
已發布的基準測試結果涵蓋客服通話、模擬電話線路音訊、姓名與地址、代碼與數字、財報電話會議，以及發言結束偵測。結果會因資料集而異，不應視為適用於每種部署情境的保證。
Quick Facts
- 類別
- 適用於語音代理的語音轉文字
- 主要工作流程
- 串流傳送通話音訊、偵測發言結束、返回轉錄文字與不確定性候選結果
- 輸出
- 最終轉錄文字，以及不確定詞語的候選拼寫與機率
- 範例輸入
- 包含停頓的 16 kHz 音訊串流
- 已發布的基準測試領域
- 客服通話、電話線路、姓名與地址、代碼與數字、財報電話會議
- 產品網站
- kugelaudio.com