voicebot – Let´s talk about voicebots …

voicebot

Darum haben es Voice Phone Bots in Deutschland noch so schwer.

Die Probleme der Voicebots fangen besonders beim Übertragungsmedium Telefon schon bei der speech to text Wandlung an, die leider noch viel zu schlecht ist.

Ein aus Voice transkribierter Text mit falsch erkannten Wörtern macht es einer Intent Erkennung, die meist für Chatbots entwickelt wurde schwer, Inhalte richtig zu „verstehen“. So wird zum Beispiel meine Antwort „ja bitte“ auf eine ja/nein Abfrage eines Voicebot Dialogs in der Praxis gerne mal als „Erwitte“ transkribiert und von Google auch gleich als „Stadt in Deutschland“ erkannt. Damit kommt der Bot an dieser Stelle nicht weiter un landet im „Fallback Intent“, der meiste ein nutzerunfreundliches „wie bitte…“ zur Folge hat. Klar, so genannte „Hints“ in der Spracherkennung verbessern im dargestellten einfachen ja/nein Fall den Text Output, in komplexeren Situationen ist das aber nicht so einfach.

Hier wäre es notwendig, daß der inhaltliche Kontext nicht nur für die reine Text Intent Erkennung nach der Speech to Text (STT) Wandlung genutzt wird, sondern bereits vorher für die Speech to Text Wandlung selbst statt nur auf Hints zu setzen. Theoretisch bietet Google so etwas glaube ich sogar ansatzweise an, wenn man stt und Intent Erkennung kombiniert.

Leider sind jedoch diese fortgeschrittenen Technologien meist nur im englischen Sprachraum verfügbar, was daran liegen kann, daß für europäische Sprachen noch zu wenige Trainingsdaten zur Verfügung stehen und/oder das Markt Interesse zu gering ist.

Fazit: es gibt noch viel Raum für Verbesserung von Sprachbots in Europa.

Schweizer und Österreicher TTS Stimmen von Microsoft

Microsoft bietet seit kurzem eine tolle weibliche Schweizer TTS Stimme „Leni“ an sowie Österreicher Stimmen. Im Test auf der Microsoft Demo Page klingt das beeindruckend gut.

In der automatischen Sprachsynthese (TTS) ist man meist enttäuscht, wenn man von amerikanischen Beispielen kommt, die aus sehr guten und vielfältigen Stimmen und Dialekten auswählen können. Schnell lernt man, daß die große englische Sprachzielgruppe viel besser versorgt ist, als kleine Sprach Nischen mit weniger potenziellen Nutzern. So gibt es nur wenig Auswahl deutscher Sprach Stimmen un bis vor kurzem gab es keine deutschen Dialekte von den großen Anbietern Google, Microsoft oder Amazon.

Mit den vor nicht allzu langer Zeit eingeführten Google Stimmen Wavenet-E (männlich) und Wavenet-F (weiblich) hat hier zwar noch einmal eine Verbesserung stattgefunden, die Formulierungen in ganzen Sätzen natürlicher klingen lassen, aber Microsoft hat nun auch etwas neues für kleine Zielgruppen parat. Schweizer Varianten für Deutsch und Französisch. Die Schweizer Varianten für Französisch konnte ich mangels ausreichender Kenntnis nicht testen aber die deutschen habe ich getestet.

Eigentlich bietet Microsoft sogar drei deutsche Stimmen für die Schweiz an: „Jan (Neural)“, „Leni (Neural)“ und „Karsten“. Allerdings scheint sich die Stimme Leni sehr deutlich von den anderen beiden zu unterscheiden und wirklich hervorragende Ergebnisse zu erzielen.

Auf folgender Testseite von Microsoft könnt ihr euch selber von der Qualität überzeugen, indem ihr die Sprache „German (Switzerland)“ auswählt und dann die Stimme „Leni (Neural)“. Selbst, wenn man im Textfeld ganz normalen hochdeutschen Text eingibt, erhält man eine Sprachausgabe in beeindruckendem Schweizerdeutsch.

https://azure.microsoft.com/de-de/services/cognitive-services/text-to-speech/#features

Screenshot:

Dieser Vorstoß von Microsoft passt zu meinem Bild, dass Microsoft von den großen Softwareanbietern am ehesten auch den europäischen Markt bedient, was sich zum Beispiel auch bei Datenschutz Themen und anderen speziell europäischen Anforderungen zeigt.

Einschränkungen in der Leistungsfähigkeit gibt es natürlich immer noch für Nischensprachen. Auf innovative Features wie zum Beispiel die Einstellung von Sprachstilen je nach Anwenderszenario (z.B. „Assitstant“, „Newscast“, „Customer Service“), die sachlicher oder fröhlicher klingen, müssen wir außerhalb der englischen Sprachen wohl noch etwas warten.

Screenshot:

Insgesamt eröffnet die Bereitstellung von allgemein verfügbaren Schweizer TTS Stimmen aber allen innovativen Sprachapplikationen und Voicebots nun die Möglichkeit, besser auf dem Schweizer Markt angeboten zu werden, ohne aufwändig individuelle Lösungen bauen zu müssen. Das ist für alle Anbieter wichtig, die nicht nur in Deutschland sondern mindestens im DACH Markt mit Voice Services unterwegs sein wollen.

Photo by Dorothea OLDANI on Unsplash