Per anni abbiamo sognato di poter restare comodamente sdraiati sul divano e, con un semplice comando vocale, vedere la luce spegnersi, la tv accendersi, le serrande abbassarsi e la nostra domestica “robotizzata” iniziare a pulire casa. Oggi, nell’era degli smart objects, tutto questo è decisamente reale e tangibile. Poter disporre di oggetti che “parlano la nostra lingua” ci permette di risparmiare ogni giorno tempo ed energie preziose. E se questo è vero per la nostra vita personale, lo è ancor di più per l’ambito lavorativo. La voce infatti è uno strumento dal potenziale elevatissimo che apporta grande valore aziendale se combinato con le tecnologie odierne. La tecnologia ASR che permette di trasformare contenuti audio in testo ne è un perfetto esempio. Negli ultimi tempi, tale tecnologia ha avuto un forte impulso evolutivo trovando applicazione non solo in contesti generici, ma anche settoriali come quello dei Contact Center. Approfondiamo insieme la tematica… Cos’è l’ASR? ASR è l’acronimo di Automatic Speech Recognition, una tecnologia in grado di riconoscere il linguaggio umano e trascrivere contenuti vocali di qualsiasi natura. Il processo, che permette di ottenere una trascrizione tramite tecnologia ASR, segue generalmente 4 fasi: Identificazione: si inizia con il rilevamento del segnale acustico proveniente da molteplici fonti (audio, video, telefonico o dal vivo) e l’estrazione delle features spettrali; Diarizzazione: si passa all’identificazione delle voci degli oratori e al raggruppamento degli interventi in segmenti distinti per singolo speaker; Decodificazione: è il cuore del processo in cui viene associato ad ogni segmento vocale un set di sillabe (fonemi) possibili e a ciascuna delle quali viene assegnato un punteggio; Ricalcolo: da ultimo, il computer secondo un algoritmo predefinito, seleziona i fonemi e le parole che più probabilmente compongono la frase che viene trascritta in un documento. Perché l’ASR è importante per le aziende? Il riconoscimento vocale automatico è una tecnologia che può apportare grandi benefici alle aziende in termini di efficienza operativa grazie all’automazione, con particolare riduzione di tempi e costi. La scelta della tecnologia di ASR necessita di un accurato studio del processo su cui si vuole intervenire al fine di optare per la soluzione più efficace ed efficiente per l’azienda. Se non si tengono preliminarmente in considerazione le specifiche esigenze aziendali, la resa dell’algoritmo di traduzione potrebbe essere scarsa, se non addirittura pessima. Le industry che utilizzano l’ASR L’ASR è una tecnologia alla portata di qualsiasi azienda, indipendente dal settore. Alcuni contesti di utilizzo sono: Sanitario, ad esempio per le trascrizioni mediche; Giuridico, ad esempio per le traduzioni giuridiche; Finanziario, ad esempio per verbali e resoconti. I benefici dell’ASR per un Contact Center La tecnologia ASR può apportare grande valore per i servizi di Contact Center, velocizzando la capacità di risposta degli operatori ed ottimizzando la qualità del servizio. In particolare, tramite la funzione di Speech Recognition è possibile creare servizi che interagiscano vocalmente con l’utente rendendo i dialoghi più semplici e naturali, anche in contesti in cui non è possibile utilizzare le mani e dove è necessario trasferire informazioni non numeriche (ad esempio chiedere il nome dell’utente o la via in cui si trova). L’unione di riconoscimento vocale, elaborazione del linguaggio naturale (NLP) e sintesi vocale, costituisce gli IVR conversazionali che permettono di coadiuvare o sostituire operatori umani in alcune casistiche operative. La nostra soluzione, Comsy Contact Center, permette l’utilizzo di funzionalità di ASR richiamandole nei servizi tramite l’editor visuale consentendo di realizzare voice bot customizzabili e di integrarli alle basi dati o ai web service aziendali con conseguente notevole beneficio per i clienti che ne fanno uso. 

Oggi, ovunque siamo, le voci artificiali ci circondano. Durante la spesa al supermercato, mentre seguiamo un itinerario stradale in auto o quando giriamo per la stazione in attesa che venga annunciato il nostro treno, interagiamo giornalmente con voci sintetiche senza troppo interrogarci su chi ci sia “dietro”.   Siamo forse solo troppo distratti e di fretta per metterci a pensare che spesso il nostro interlocutore non è poi così “umano” o molto più semplicemente ci stiamo via via abituando al fatto che questo fenomeno sia parte della nostra quotidianità. In questo articolo approfondiremo il tema relativo alla sintesi vocale, con particolare riferimento al Text To Speech (TTS), evidenziandone l’importanza e l’utilità per una soluzione di Contact Center come la nostra. La tecnica di sintesi vocale o Text To Speech (TTS) Quando si parla di sintesi vocale si fa riferimento a quel processo attraverso il quale è possibile riprodurre artificialmente la voce umana tramite software o hardware. La sintesi vocale o Text To Speech (TTS) è pertanto un sistema che permette di convertire testo in voce. Dopo aver ricevuto in input il testo scritto, il sistema TTS provvede a trasformarlo in una rappresentazione linguistica e/o fonetica che è valorizzabile tramite altre informazioni di natura linguistica (ad esempio, informazioni su pause e intonazione). La qualità di un sintetizzatore vocale non dipende solo dalla somiglianza con la voce umana, ma anche dal suo grado di comprensibilità. Come funziona un tipico sistema di sintesi vocale In generale, due sono le parti che compongono un TTS: Front-end che si occupa della fase di “normalizzazione”, in cui gestisce ed elabora il testo convertendolo in simboli fonetici; Back-end che si occupa della fase di “conversione da testo a fonema”, in cui produce il suono vero e proprio e genera la voce. La biblioteca del TTS Quante volte ci è capitato di sentire il nostro navigatore pronunciare in modo buffo una località che avevamo impostato come destinazione? Forse anche a distanza di tempo, episodi come questo ci tornano in mente facendoci sorridere ancora. Ma perché questo accade? Ciò si verifica perché un TTS ha bisogno di essere istruito su come una parola debba essere pronunciata, sul tipo di tono da utilizzare, sul modo in cui una sigla o un numero debbano essere letti e su molto altro. Per comprendere quanto siano importanti queste indicazioni, pensiamo a cosa succederebbe se il TTS non “sapesse” che l’arabo va letto da destra verso sinistra! Infine è bene precisare che, sebbene la riproduzione di messaggi preregistrati opportunamente concatenati (storica tecnica alternativa e precedente al TTS) sia utilizzabile nella maggior parte dei casi (compresa la riproduzione di numeri), il TTS è essenziale nei servizi che devono recitare contenuti variabili basati su un ampio insieme di valori possibili (ad esempio riproduzione di vie, nomi di città o nomi propri). Ambiti di applicazione Diversi sono i contesti in cui la sintesi vocale può essere utile: Assistenza: la possibilità di convertire un testo in voce contribuisce ad abbattere muri a favore di persone che soffrono di dislessia o hanno problemi di vista permettendogli di ascoltare i documenti scritti su un pc senza alcuna difficoltà; Trasporti: all’interno di stazioni e aeroporti le voci sintetiche facilitano la trasmissione delle comunicazioni ai viaggiatori;  Tempo libero: le voci artificiali vengono sfruttate ampiamente in questo campo, in particolare, nella produzione di videogiochi, manga e simili; Contact Center: nell’ambito dell’assistenza clienti, con le voci sintetizzate è possibile offrire un’esperienza vocale di alta qualità e maggiormente coinvolgente che farà percepire il servizio come più accogliente e “customizzato”. Il text to speech come funzionalità di Comsy Nell’elenco dei contesti applicativi del Text To Speech figura anche il Contact Center. Questa funzionalità è integrata nella nostra soluzione Comsy Contact Center e permette al Cliente di scegliere tra diversi provider di TTS, in base alle sue esigenze, mantenendo inalterata la qualità del servizio. Il TTS è molto utile in un Contact Center in quanto permette di utilizzare nei messaggi registrati una voce sintetica omogenea, incrementando il valore del servizio che risulta più fluido. Infine, per le comunicazioni informative basilari e standard, avere la possibilità di usufruire del TTS al posto di un operatore fisico comporta un considerevole abbattimento di costi aziendali a fronte di un medesimo risultato in termini di Customer Experience.

Se dovessimo svolgere un’attività, ma non sapessimo davvero da dove cominciare, una delle prime cose che faremmo certamente è quella di aprire YouTube e digitare “Come realizzare…?”. Rapidamente, vedremo apparire una serie di contenuti rispondenti al nostro interrogativo, ciascuno dei quali può offrire un punto di vista interessante, utile a chiarire i nostri dubbi. Tutto questo per noi è oggi scontato, essendo ormai abituati a disporre di una tale tecnologia, ma non è sempre stato così. Pensiamo semplicemente al caso in cui il covid-19 si fosse abbattuto sulla nostra quotidianità qualche tempo prima, quando magari il canale video era forse solo nella mente di qualche informatico. Cosa sarebbe successo? È vero che le nostre vite sono state stravolte e appiattite dall’avvento imprevedibile del virus, ma la possibilità di sfruttare un canale virtuale che ci ha permesso di essere parte di una medesima società, unita alla ricerca di una “nuova normalità”, è stata per noi una fondamentale ancora di salvezza contro il totale isolamento e depressione. Le lezioni a scuola e all’università, seppur con qualche difficoltà, sono continuate anche a distanza e il lavoro nelle sedi fisiche è stato presto convertito in smart-working, con la possibilità di effettuare video-call giornaliere e formazione e-learning tramite innumerevoli piattaforme. La vita sociale è continuata grazie alle videochiamate, individuali o di gruppo, che ci hanno permesso, in modo alternativo, di condividere momenti semplici e importanti con i nostri amici e parenti, ma cosa ancor più significativa, di far sentire meno soli gli anziani, i “più isolati”, che hanno avuto la possibilità di vedere i loro cari, seppur attraverso uno schermo di separazione. Come è facile intuire, il canale video è ricco di potenzialità e può essere applicato in molteplici contesti. In un’ottica omnicanale, oggi, non può non essere inserito all’interno di un Contact Center, contribuendo a fornire un significativo apporto valoriale al servizio complessivamente offerto. Perché il canale video può essere davvero importante per un Contact Center? Scopriamolo insieme! I vantaggi del canale video in un Contact Center Il canale video permette al Contact Center di garantire un servizio di maggior qualità, più personale, diretto ed efficace per l’utente. In particolare, è possibile elencare una serie di vantaggi specifici: Permette all’utente di condividere con l’operatore in real-time la situazione in cui si trova: avendo davanti a sé il medesimo scenario dell’utente, l’operatore ha una percezione più concreta della problematica riscontrata e fornisce un servizio più puntuale e preciso; Agevola l’operatore nella risoluzione dei problemi: l’operatore più adatto a rispondere alle particolari esigenze del cliente riesce a risolvere la problematica, effettuando un intervento mirato ed evitando sprechi di tempo; Accorcia le distanze utente-operatore: il rapporto che si instaura tra cliente ed operatore è più diretto e personale e questo acquisisce una crescente importanza dato il grande valore che l’utente attribuisce all’elemento della “vicinanza”. Le funzionalità del canale video di Comsy In Comsy, la nostra soluzione di Contat Center, videochiamate e videoconferenze possono essere avviate dall’operatore o richieste dall’utente in modo facile e veloce.   Il canale video di Comsy presenta molteplici funzionalità: Videocall e Videoconference: nel primo caso i partecipanti sono solo due, nel secondo di più; Chat: si può utilizzare durante la videocall/videoconference per lo scambio di informazioni e dati tra utente ed operatore; Condivisione schermo: è possibile condividere lo schermo o un’applicazione durante la videocall/videoconference; Puntatore dal vivo: permette ad un utente in videocall/videoconference di indicare qualcosa che si trova sullo schermo, come un puntatore laser durante una lezione; Registrazione: analogamente a quanto accade per le telefonate, è possibile registrare una videocall/videoconference, che oltre all’audio consente di ottenere anche il video dei partecipanti; Condivisione file: è prevista una sezione per lo scambio di file durante la videocall/videoconference; uno spazio in cui tutti i partecipanti possono fare upload e download di file. Scheda bianca collaborativa (White board): è possibile condividere “un foglio bianco” sul quale tutti i partecipanti alla videocall/videoconference possono scrivere e disegnare. Un esempio concreto può essere utile per comprendere la rilevanza di questo canale in un contesto Contact Center. Ipotizziamo di aver bisogno di assistenza per avviare il nostro piano di risparmio online. Tramite la videochiamata, un operatore può visualizzare il nostro schermo grazie alla funzione della condivisione ed indicarci facilmente i vari punti da selezionare tramite l’utilizzo del puntatore dal vivo. Mediante la chat, possiamo condividere file rilevanti con l’operatore e qualora volessimo mettere a confronto le varie opzioni relative al piano di risparmio, l’operatore potrebbe utilizzare, come supporto per l’illustrazione, la scheda bianca collaborativa, come un foglio di carta su cui scrivere. Infine, potremmo chiedere la registrazione della videochiamata per poterla rivedere al bisogno, ad esempio, se volessimo dopo un mese cambiare il nostro piano autonomamente, senza la necessità di ricontattare il servizio clienti e ripetere nuovamente l’iter, con notevole risparmio di tempo per entrambe le parti. In conclusione… Il canale video è parte di quella rivoluzione digitale che ci consente oggi di essere virtualmente presenti in ogni luogo e momento, senza più limiti né confini. L’introduzione del canale video in Comsy mira ad offrire un servizio di elevata qualità, sempre più focalizzato sulle specifiche esigenze del mercato.