Voice Processing Technologies
- 1. Introducción a las Tecnologías del Procesamiento de laVoz y sus Aplicaciones Ing. Martín Propato https://www.linkedin.com/in/martinpropato/ +54 911 5524 2237
- 2. Luis Martín Propato Nacido en Buenos Aires Argentina en 1963. Graduado con Honor en Ingeniería Electrónica en la Universidad de Buenos Aires – 1988 Masters In Electronics realizado en Philips International Institute, Eindhoven, The Netherlands – 1990 MBA realizado en Purdue University, USA – 2001 Trabajando en la industria de las Telco desde 1987 erbio
- 3. Temario Definiciones y breve historia Reconocimiento de laVoz ◦ Modelo determinista ◦ Modelo basado en IA Aplicaciones ◦ Transcriptores Speech Analytics ◦ Text to Speech ◦ Voice Bots ◦ Biometría (Se incluye un Glosario de Términos)
- 4. Breve Historia ASR:Automatic Speech Recognition (Reconocimiento automático de laVoz) TTS:Text To Speech (Síntesis o Texto aVoz) •Primeros desarrollos desde 1952 en los Laboratorios Bell •1961 IBM “caja de zapatos”
- 5. Aplicaciones en Atención a Clientes Dos objetivos ◦ Reducción de costos operativos ◦ Mejora en la calidad de atención
- 6. ASR:Automatic Speech Recognition – Tipos Modelo Determinista ◦ Basado en Gramáticas ◦ Alta confiabilidad ◦ “word spotting” Modelo basado en “redes neuronales” ◦ Más utilizado para Transcripciones (STT) ◦ NLP - CSR
- 7. ASR - Sensores Biométrico De género De edad Emociones
- 8. Aplicaciones de ASR Determinista Asistencia de Directorio Detección de palabras clave Alta precisión Bajos requerimientos computacionales Baja escalabilidad ◦ Diferente idioma, se hace todo el trabajo nuevamente
- 9. Ejemplo de Entrenamiento de ASR https://lnkd.in/dJGgMPR Mozilla está recopilando el corpus para entrenar un ASR open-source en castellano. Hay que dictar 5 frases que proponen en la web.
- 10. Aplicaciones de Transcriptores Reemplazo del menú de IVR tradicional por una pregunta abierta Subtitulados Análisis de Grabaciones ◦ “Diarización” Aplicaciones enVoice-Bots
- 11. Voice Bots Interactuar naturalmente con máquinas ◦ Tecnología de Transcripción ◦ IA para el procesamiento de la “intención” ◦ TTS para la escucha de la respuesta. ◦ Manejo de contextos en la interacción ◦ Gran base de conocimientos
- 12. TTS o “Text To Speech” Estándares ◦ Ejemplo en español (de España) ◦ Ejemplo de TTS con acento latino: https://text-to- speech-demo.ng.bluemix.net A medida:“Voz Corporativa” ◦ Corpus base ◦ Corpus específico ◦ Selección del Locutor ◦ Creación de la voz a medida.
- 13. Ejemplos deVoice Bots Asistentes (altavoces): ◦ Alexa de Amazon ◦ Google Assistant ◦ Proveen una sola respuesta a una pregunta. ◦ Basado en un “cerebro” de dos componentes NLP Base de conocimientos Cortana puede dar dos respuestas competitivas (diferentes perspectivas) Motor de búsqueda ->Web “conversacional” Ejemplos: https://www.youtube.com/watch?v=vmINGWsyWX0
- 14. Tecnologías de Inteligencia Artificial Machine Learning es un campo de la Inteligencia Artificial cuyo objetivo es que las computadoras puedan “aprender” a partir de la experiencia. ◦ Basados en redes neuronales artificiales ◦ Deben ser entrenados a partir de ejemplos conocidos ◦ Ejemplo: En el reconocimiento de imágenes se extraen bordes que, combinados, permiten detectar contornos, que a su vez permiten reconocer diferentes partes del objeto, para finalmente determinar su identidad ◦ El sistema puede generalizar el funcionamiento a casos no vistos previamente y de manera automática, sin necesidad de reglas predefinidas. ◦ Durante el aprendizaje se mide la diferencia entre la respuesta deseada y la proporcionada por la red y ésta ajusta sus parámetros de manera que esa diferencia sea cada vez menor
- 16. NLU NLU: Natural Language Understanding. Objetivo: es la obtención de: La Intención La Entidad Los Campos, y El Contexto Para poder realizar una Acción o dar una Respuesta
- 17. ●Intención: Reservar una habitación ●Acción: si se puede, hacer una reserva ●Entidad: Hotel Palacio ●Campos: ○Fecha de Check-in: mañana ○Fecha de Check-out: Domingo ○Ubicación: Berlín ●Contexto: El usuario dijo mañana, entonces el contexto es la fecha de hoy “Necesito reservar una habitación en el Hotel Palacio desde mañana hasta el domingo en Berlín” Ejemplo: Reserva de habitación en hotel
- 18. Análisis de la interacción: ● Intención: Saber el año de construcción ● Acción: Responder el año de construcción. ● Entidad: de lo que se trata la interacción ● Campos: No hay campos. ● Contexto: El usuario se refiere a lo que se viene preguntando en la interacción el BOT debe recordar que es el Hotel Palacio en Berlín. Análisis del Contexto Pregunta del Usuario: en que año fué construido el hotel?
- 19. Animal Canino Felino Perro ... Gato ... Comparacion Basada en Ontologías ●Dominio:Animal ●Entidades:Animal, Canino, Felino, Perro, Gato,... ●Relaciones: Las comparaciones. ●Atributos: Número de patas, etc- Base de Conocimientos
- 20. Animal Canino Felino Perro ... Gato ... compare “Cual es la diferencia entre un canino y un felino?” ● Intención: Comparar dos entidades ● Entidades: Canino y Felino ● Campos: ○ Primera entidad: Canino ○ Segunda entidad: Felino ● Contexto: No se necesita ● Respuesta: Buscar la respuesta para la relación ontológica (canino – felino) Base de Conocimientos ampliada..
- 21. Un Chatbot “cognitivo” utiliza ontologías para ampliar su base de respuestas Animal Canino Felino Perro ... Gato ... compare Si se pregunta: “cual es la diferencia entre un perro y un gato?” ● Caso 1: Que la relación de comparación entre perro y gato existe en la ontología: entonces el bot usa esta relación como respuesta ● Caso 2: Si la relación de comparación no existe en la ontología, podemos responder con la relación superior. ● Caso 3: Si no hay una relación superior se puede responder acerca de que son “dos tipos de animales” y dar sus características.
- 22. Aplicaciones de Chat-Bots Atención a Clientes Soporte a Agentes
- 23. Aplicaciones deVoice-Bots Reemplazo de IVR ◦ Asistente de configuración de móvil, etc Agente virtual Asistente virtual ◦ https://www.youtube.com/watch?v=ogfYd705 cRs&feature=youtu.be&t=35m4s
- 24. Diagrama en Bloques de unVB CSR / NLP NLU Base de Conocimientos Task Manager TTS “Quisiera reservar una habitación……” Análisis de intención y extracción de datos. Contexto, etc..
- 25. Biometría deVoz La biometría permite verificar la identidad de los usuarios en el flujo normal de la comunicación Verificar es diferente a Identificar (ASR) EER < 1% Segundo (y tercer) factor de seguridad
- 26. Ajuste de un sistema Biométrico
- 27. Ajuste de un sistema biométrico Armado de huella vocal ◦ Por repetición de una frase “explicito” ◦ Por detección silenciosa en interacciones “implícito” Ajuste de los canales acústicos ◦ Teléfono Fijo ◦ Móvil ◦ App
- 28. Verificación Se compara el audio de verificación con la huella Opciones ◦ Verificado, se sigue la operatoria ◦ NoVerificado: Pedir otro intento Transferencia a operador
- 29. Controles anti-fraude Segundo (y tercer método de verificación) ◦ Para eliminar grabaciones ◦ Alteraciones momentáneas de la voz Ataques de intimidación Desafío dinámico (cadenas de dígitos aleatorios)
- 30. Demo local 5222-0805 Usuarios: 102, 103, 104, 105 (identificación) Entrenamiento con 4 muestras Verificación
- 31. Aplicaciones de la Biometría Prueba deVida de Jubilados Autenticación Bancaria ◦ En reemplazo de claves secretas Sistemas de control de Asistencia Sistemas de votación electrónica Prueba pericial en juicios.
- 32. Información de Contacto martin.propato@alumni.purdue.edu (Movil / whatsapp) +54 11 5524 2237 Skype: mpropato https://www.linkedin.com/in/martinpropato/
- 33. Glosario ASR: Automatic Speech Recognition (Reconocimiento automático de la Voz) TTS: Text To Speech (Síntesis o Texto a Voz) Transcripción: procesamiento de un audio que tiene como resultado la transcripción del mismo IVR: Interactive Voice Response. Máquina conectada a una red de comunicaciones que permite la interacción con programas y datos, utilizando los dígitos telefónicos, y/o comandos por voz y respuestas pregrabadas o TTS. Speech Analytics: Sistema automático para el procesamiento de grabaciones para detectar patrones, palabras, frases, emociones, y cumplimiento de normativas de calidad Voice Bots: Chat Bot con interface vocal (Transcripción y TTS) NLU: Natural Language Understanding; detecta la intención en una frase. NLP: Natural Language Processing; método de transcripción de un audio a texto. CSR: Continuous Speech Processing: otra manera de decir transcripción de audio. SST: Speech to Text: transcripción de audio. IA – Inteligencia Artificial: Es cuando una máquina imita las funciones «cognitivas» de los humanos como por ejemplo: «aprender» y «resolver problemas» EER: Equal Error Rate: tasa de igual aceptación de falsos positivos y rechazo de falsos negativos en un sistema de biometría FAR: False Accept Rate, tasa de aceptación de falsos positivos FRR: False Reject Rate: tasa de rechazo de falsos negativos