Smart turn: sıranın ne zaman bittiğini anlamak

Back-channeling yazısında, asistanın kullanıcı konuşurken araya kattığı doğal onay seslerini anlattık. Doğal bir konuşmanın bundan önce gelen, çok daha temel bir sorusu vardır:

Kullanıcı konuşmasını gerçekten bitirdi mi, yoksa sadece bir an mı duraksadı?

Bu sorunun cevabını veren teknolojiye smart turn (akıllı sıra tespiti) denir.

Sıra kavramı sandığımızdan zor

İnsanlar telefonda sırayla konuşur. Biz konuşmayı bitirince karşı taraf devralır. Bu o kadar doğal gelir ki, bir makineye öğretmenin ne kadar zor olduğunu fark etmeyiz.

Klasik sesli asistanlar bu kararı çok basit bir kuralla verir:

• VAD (ses aktivitesi tespiti) sesin kesildiğini fark eder.
• Sessizlik sayacı sabit bir süre bekler, örneğin 600 milisaniye. Bu süre boyunca ses gelmezse asistan kullanıcının bitirdiğini varsayar ve konuşmaya başlar.

Sorunun kaynağı tam da bu sabit sayaçtır.

Sabit sayacın iki yüzü

Tek bir sessizlik süresi, iki farklı kullanıcı tipini aynı anda mutlu edemez:

• Sayaç çok kısaysa: Yavaş konuşan kullanıcının sözünü keser. Kimlik veya telefon numarasını parça parça okuyan biri (“123... 456...”) doğal olarak duraksar, sayaç tetiklenir, asistan ya araya girer ya da kullanıcının bitirdiğini sanıp yanlış yöne gider.
• Sayaç çok uzunsa: Hızlı konuşan kullanıcı her cümleden sonra rahatsız edici bir boşlukla karşılaşır. Konuşma yavaş ve robotik hissettirir.

Hem aceleci bir 30 yaşındakini hem de rakamları dikkatle okuyan 70 yaşındaki birini aynı anda memnun edecek tek bir sihirli sessizlik süresi yoktur.

Çözüm: sessizliği değil, konuşma biçimini dinlemek

Smart turn, sabit bir sayaç yerine kullanıcının nasıl konuştuğunu dinleyen küçük bir yapay zekâ modelidir. Sesin tonuna, ezgisine ve vurgusuna bakar. Dilbilim buna prozodi der.

Çünkü insanlar “bitirdim” mesajını farkında olmadan sesleriyle verir:

• Cümle sonunda tonun düşmesi: sözüm bitti, sıra sende.
• Tonun askıda kalması veya ortada bir duraklama: daha bitmedi, devam edeceğim.

Yani kullanıcı “numaram bir, iki, üç...” deyip tonunu yukarıda bırakarak duraksadığında, model henüz bitmedi, bekle der. Ses tamamen sessiz olsa bile. Kullanıcı “...sekiz, dokuz.” deyip tonunu düşürerek bitirdiğinde ise bitti, şimdi cevap ver der.

Neden önemli?

Smart turn yaklaşımının pratikteki kazanımları:

• Kullanıcının sözünü kesmez. Rakamları, adresleri, uzun ifadeleri parça parça okuyan kullanıcılar rahatça konuşur.
• Hızlı konuşanı yavaşlatmaz. Kullanıcı gerçekten bitirdiyse asistan beklemeden devreye girer, gereksiz gecikme olmaz.
• Hafif ve hızlıdır. Karar milisaniyeler içinde verilir, gecikmeye anlamlı bir yük bindirmez.
• Çok dillidir. Prozodi temelli olduğu için Türkçe dahil birçok dilde çalışır.
• Açık kaynaklıdır ve şirket içinde çalıştırılabilir. Verinin kurum dışına çıkmasına izin verilmeyen senaryolarda kritik bir avantajdır.

Smart turn ve back-channeling birlikte

İki teknoloji doğal sıralı konuşmanın birbirini tamamlayan iki parçasıdır:

Kimlik numarası okuma senaryosunda ikisi birlikte çalışır. Smart turn, asistanın kullanıcıyı numaranın ortasında kesmesini engeller. Back-channeling ise uzayan duraklamaları doğal bir onay sesiyle doldurur. Sonuçta hiçbir adımda 5 saniyelik ölü bir bekleme kalmaz, hem hızlı hem yavaş konuşanı insanca karşılayan bir akış elde edersiniz.

Sonuç

Sıra almayı sabit bir sayaca bırakmak, telefonda kullanıcıların yarısını rahatsız eder. Konuşmanın tonunu dinlemek ise aynı kararı iki kullanıcı tipi için de doğru verir. Bunu back-channeling ile birleştirdiğinizde akışta ölü sessizlik kalmaz.