المقالات · ذكاء اصطناعي تطبيقي من السعودية
موظفة الاستقبال الذكية كانت تقاطعني
كنت أجرّب موظفة الاستقبال الذكية بصوتي، وكانت تبدأ ترد قبل ما أخلّص كلامي.
أنا أبني موظفة استقبال ذكية للمستشفيات والعيادات في السعودية. في أواخر أكتوبر كنت أختبرها بصوتي. في نص الجملة بدت ترد عليّ. وبعدين كررتها. ظنيت إنها متحمسة زيادة عن اللزوم.
السبب الحقيقي كان أصغر من كذا بكثير. كانت تسمع مستوى صوتي. لما أبطّئ عند كلمة، صوتي ينزل. والنظام كان يحسب الكلمات الهادية صمت، ويقرر إني خلّصت. والمتصل الحقيقي يسوي كذا طول الوقت. يوقف يفكر. يترك جملته معلّقة. يقرأ رقم ملفه ببطء.
فسويت ثلاث تعديلات. الكلمة لازم الحين ينزل صوتها لنص المستوى السابق عشان تنحسب صمت. وموظفة الاستقبال تنتظر 1.2 ثانية قبل ما تقرر إن المتصل خلّص، بعد ما كانت 0.9. والدور الواحد صار يسع 25 ثانية بدل 15.
بس الصبر له ثمن. كل ما طال الانتظار، تأخر كل رد. والسريعين يدفعون ثمن بطء غيرهم. والصمت وحده ما يفرّق بين وقفة ونهاية. جملة «أبغى أحجز موعد ...» وجملة «الثلاثاء الساعة 4 العصر.» ممكن يجي بعدهم نفس الصمت بالضبط.
فصارت موظفة الاستقبال تسمع الجملة نفسها كمان. نموذج تحويل الكلام إلى نص عندنا يعطي إشارة إذا كان اللي انقال يبدو مكتمل. إذا بدا مكتمل، ترد بعد 0.45 ثانية من الصمت. وإذا بدا ناقص، تنتظر 1.2 ثانية كاملة. وفيه حماية وحدة فوق كذا: كلمة مثل «إمم» ما تنحسب أبدًا دور مكتمل. لازم أول 0.6 ثانية على الأقل من كلام حقيقي.
أصحاب الكلام البطيء يحافظون على وقفتهم، والسريعين يوقفون انتظار.
الوقفة أصعب شي في المكالمة الهاتفية. وموظفة الاستقبال الجيدة تنتظر خلالها، وبعدين ترد بسرعة إذا خلّصت. وهذا اللي بنيناها عشان تسويه.
لا تقيس الصمت. اسمع نهاية الجملة.