ऐलिस के लिए कौशल विकास। आवाज इंटरफेस के साथ अनुभव, शुरुआती के लिए टिप्स

सिर्फ एक महीने पहले, हम ऐलिस के कार्यात्मक कौशल के लिए एक विस्तार बनाने में अपना हाथ आजमाना चाहते थे। Yandex.Dialog सपोर्ट चैट में संवाद करने के अनुभव से, मुझे यह आभास हुआ कि वॉयस इंटरफेस पर काम करने की नौसिखिया विशेषताओं के साथ साझा करने के लिए पहले से ही कुछ है।

नोट में मैं अपने बच्चों के नए साल के कौशल स्नो मेडेन के तीन सप्ताह के अपने छापों और संवाद डेवलपर्स की चैट में सवालों और जवाबों के बारे में बताना चाहता हूं।



वीयूआई में एक पेशेवर के लिए, नोट कुछ नया नहीं होगा, लेकिन अनुभवी लोगों की अच्छी सलाह और टिप्पणियों का स्वागत है। मैं पहली बार लिख रहा हूं, कृपया कड़ाई से न्याय न करें।

ऐलिस पर ध्यान क्यों दें?
यह सब क्यों: आवाज, कौशल?
स्किल कैसे बनाएं?
सामान्य दृष्टिकोण और सामान्य गलतियाँ।
वर्तमान प्लेटफ़ॉर्म दोष।

ऐलिस पर ध्यान क्यों दें?

जबकि विदेशों में वॉयस असिस्टेंट पहले से ही आम हो गए हैं, रोबोट के साथ कई घंटों की बातचीत पहले से ही नेटवर्क में लीक हो रही है , फिर भी हमारे पास नाविक के साथ बातचीत के स्तर पर है, ऐलिस के साथ बच्चों की बातचीत, स्मार्ट घरों के साथ लाड़ प्यार करना। मेरे दोस्तों में से कुछ सिरी का उपयोग करते हुए नोट्स और रिमाइंडर दर्ज करते हैं, हालांकि, मेरी राय में, यह इसका उपयोग करने के लिए सबसे सुविधाजनक विकल्पों में से एक है। इस साल एक उच्च संभावना के साथ स्थिति बेहतर के लिए बदल जाएगी, क्योंकि नींव पहले ही रखी जा चुकी है:

• एलिस केवल एक वर्ष की थी, वह पढ़ाई कर रही थी, लेकिन पहले से ही जानती है कि कितना है।
• यैंडेक्स स्टेशन से बाहर निकलें - मुझे लगता है कि यह धीरे-धीरे चालाक और अधिक कार्यात्मक हो जाएगा।
• दिसंबर में बिक्री पर उपस्थिति पहली कम लागत वाली संबद्ध लघु वक्ताओं में दिखाई देती है ।
• ऐलिस स्कूल ने डेवलपर्स के लिए कौशल विकसित करने की शुरूआत की
• Yandex.Dialogs के बुनियादी ढांचे में प्रमुख सुधार की घोषणा की गई, विशेष रूप से, "खोज कौशल" - तृतीय-पक्ष डेवलपर्स से कौशल की सुविधाजनक खोज और रैंकिंग के लिए एक उपकरण।

यह सब मुझे बताता है कि हम रूस में आवाज इंटरफेस के विकास की शुरुआत में हैं और इसलिए हमने इन प्रौद्योगिकियों का अध्ययन शुरू करने का फैसला किया।

यह सब क्यों: आवाज, कौशल?

मुझे लगता है कि बहुत से लोग पहले से ही कुछ मामलों में वॉयस इंटरफेस के लाभ को समझते हैं, लेकिन यह याद रखने के लिए बहुत अच्छा नहीं होगा: कभी-कभी यह सबसे उपयुक्त विकल्प होता है। उदाहरण के लिए, कार में या रसोई में, खाना पकाने में, किसी अन्य गतिविधि में जहां आपके हाथ व्यस्त हैं, आवाज द्वारा आज्ञा देना अधिक सुविधाजनक है। उदाहरण के लिए, लंबे समय तक रोबोट-नर्स होते हैं, जिन्हें आवाज से नियंत्रित किया जाता है , सर्जिकल ऑपरेशन में मदद मिलती है।

लोगों के साथ बातचीत करने के लिए आवाज एक परिचित इंटरफ़ेस है। बुजुर्ग लोग और बच्चे जानकारी प्राप्त करने और गैजेट प्रबंधित करने के लिए बिना किसी समस्या के इस विधि को सीखते हैं।

दृश्य हानि वाले लोगों के लिए, आवाज और सुनवाई पर्यावरण के साथ बातचीत का एक और भी महत्वपूर्ण चैनल है। Yandex.Station चैट को देखते हुए , इस श्रेणी के लोगों ने वास्तव में ऐसे उपकरण की उपस्थिति की सराहना की जिसने उनके जीवन को आसान बना दिया।

मैं मामलों को सूचीबद्ध करना जारी नहीं रखूंगा, अगर यह दिलचस्प है, तो आप विशेष साहित्य से इस सब के बारे में अधिक जान सकते हैं।

कौशल एक कार्यक्रम है जो एक निश्चित संवाद को लागू करता है जो ऐलिस में दिए गए सक्रियण कमांड द्वारा लॉन्च किया जाता है और यैंडेक्स से आवाज सहायक की क्षमताओं का विस्तार करता है।

स्किल कैसे बनाएं?

पहले से ही कई अच्छे तृतीय-पक्ष कौशल हैं , लेकिन कई और अधिक संभावनाएं हैं जिन्हें आप कब्जा कर सकते हैं और वास्तव में दिलचस्प और उपयोगी कौशल बना सकते हैं।

उन्हें बनाने पर कई लेख हैं, जिनमें हैबे भी शामिल है। प्रलेखन है , संक्षिप्त सामान्य सिफारिशें हैं । मैं कार्यान्वयन के तकनीकी विवरण में गहराई से नहीं जाऊंगा, क्योंकि मैं शुरुआती लोगों के लिए सामान्य दृष्टिकोण साझा करना चाहूंगा।

तकनीकी रूप से, कौशल एक बॉट के समान है, इस अंतर के साथ कि यह स्वयं एक संदेश नहीं भेज सकता है, लेकिन केवल उपयोगकर्ता के अनुरोध का जवाब देता है।

आरंभ करने में आपकी सहायता करने के लिए संसाधनों की एक छोटी सूची यहां दी गई है: यैंडेक्स संवाद के लिए पुस्तकालय और संसाधन

यैंडेक्स संवाद के साथ काम करने पर अनौपचारिक प्रश्न ।

दस्तावेज़ में प्रासंगिक और बहुत लिंक और प्रश्न और उत्तर नहीं हैं।
उपरोक्त चैट Yandex Dialogs ।

विकास शुरू करने के लिए, आपको यैंडेक्स पर एक खाते की आवश्यकता होती है, एक सर्वर, जिस पर हमारे कार्यक्रम का कोड स्थित और निष्पादित किया जाएगा, एक वेब सर्वर और स्वयं एप्लिकेशन, आपके लिए सुविधाजनक किसी भी भाषा में लिखा गया है जो https प्रोटोकॉल के माध्यम से काम प्रदान कर सकता है ।

मैं अपने कौशल के कार्यान्वयन का विवरण यहां नहीं दूंगा, यदि समुदाय से कोई अनुरोध है, तो मैं एक अलग लेख में इस पर ध्यान दूंगा। इसके अलावा, ऐसी सामग्री पहले से मौजूद है।

मैं PHP में केवल एक सरल कौशल का एक उदाहरण छोड़ दूंगा, जिसमें मुझे लगता है कि, एक शुरुआत को एक त्वरित शुरुआत करने की अनुमति देगा।

रिपॉजिटरी में एक सरल विकास वातावरण बनाने के लिए एक स्क्रिप्ट शामिल है जो PHP में निर्मित वेब सर्वर को चलाता है और सेवा का उपयोग कर रहा है। सेवा का उपयोग इंटरनेट से स्थानीय पोर्ट को सुलभ बनाता है:



Url को सेव करें https: //******.erveo.net - यह आपका webhook url होगा। एनरोक के विपरीत , यह URL समय के साथ नहीं बदलता है, आपको इसे संवाद सेटिंग में बदलने की आवश्यकता नहीं है। आप इस URL को ब्राउज़र में दर्ज करके webhook उपलब्धता की जांच कर सकते हैं - json को एक त्रुटि के साथ वापस लौटना चाहिए। यह सामान्य है, हमने स्क्रिप्ट के लिए आवश्यक मापदंडों को पारित नहीं किया।

अगला, लिंक के माध्यम से कौशल को पंजीकृत करें :



आइटम का चयन करें "ऐलिस में कौशल"



हम संवादों के संकेतों और प्रलेखन के अनुसार सभी क्षेत्रों को भरते हैं:



Webhook url फ़ील्ड में, पहले प्राप्त URL दर्ज करें।

हम इसे बचाने की कोशिश करते हैं, अगर हम दिए गए निर्देशों का पालन करते हैं, तो सब कुछ पहली बार काम करना चाहिए।

कार्यान्वयन पर इस लेख में, मैं आपको केवल उपयोगकर्ता कार्यों को लॉग करने की प्रणाली पर विशेष ध्यान देने की सलाह दूंगा। मैं उपयोगकर्ता इंटरैक्शन के सभी समस्या क्षेत्रों में हूं, उदाहरण के लिए, मुझे उम्मीद है "हाँ | नहीं, लेकिन मुझे कुछ और मिलता है, इसे लॉग में लिखिए और तुरंत प्रसारण (वेबहुक की गति के लिए एक अलग प्रक्रिया के रूप में) के लिए टेलीग्राम चैनल पर परिचालन ट्रैकिंग और प्रतिक्रिया के लिए।

सामान्य दृष्टिकोण और सामान्य गलतियाँ।

जैसा कि मुझे उम्मीद थी, पारंपरिक वेब विकास या टेलीग्राम बॉट विकास के लिए सामान्य दृष्टिकोण यहां उपयुक्त नहीं हैं। मुख्य अंतर उत्तरों की लगातार अप्रत्याशितता है। संवाद मंच आपको प्रश्न के स्पष्ट उत्तरों के साथ बटन जोड़ने की अनुमति देता है, लेकिन उपयोगकर्ता अक्सर इस बात का जवाब नहीं देता है कि एक प्रोग्रामर जो स्पष्ट तर्क अपेक्षाओं का पालन करने का आदी है।

एक उदाहरण है।

क्या आप एक और कविता सीखना चाहते हैं?
[हाँ] [नहीं]

हम उम्मीद करते हैं कि व्यक्ति हां या ना में जवाब देगा, लेकिन कई अन्य विकल्प हमारे पास आए:

• हां।
• हाँ हाँ
• निश्चित रूप से मैं चाहता हूँ
• हाँ, माँ, हमें क्या खाना है?
• थक गया
• नोवोसिबिर्स्क में मौसम कैसा है?

यह सब कई कारणों से होता है। एक व्यक्ति विभिन्न सकारात्मक वाक्यांशों का उपयोग कर सकता है: "बेशक", "हाँ," "हाँ," "चलो," आदि। साथ ही नकारात्मक भी। ऐसा होता है कि वह समय पर सवाल का जवाब देना शुरू नहीं करता है, ऐलिस अभी भी जवाब नहीं सुनता है, और व्यक्ति पहले से ही बोलना शुरू कर रहा है, अंत में हम वाक्यांश का हिस्सा सुनते हैं। या इसके विपरीत, एक व्यक्ति के जवाब देने के बाद, वह "वास्तविक जीवन में" एक अन्य वार्ताकार के साथ बातचीत जारी रखता है। इसके अलावा, कौशल का उपयोगकर्ता केवल यह नहीं समझ सकता है कि तीसरे पक्ष के संवाद के अंदर क्या है, और कमांड को "पर्याप्त" छोड़ने के बिना सामान्य एलिसो अनुरोध करता है।

यदि हम सही उत्तर को पहचाने बिना केवल उसी प्रश्न को दोहराते हैं, तो यह उपयोगकर्ता को नाराज़ कर सकता है और आपके कौशल और सामान्य रूप से वॉयस इंटरफेस में निराशा पैदा कर सकता है। इसलिए, आपको त्रुटि संदेशों पर विशेष ध्यान देना चाहिए, कभी-कभी प्रश्न को सुधारना बेहतर होता है, इसे स्पष्ट करना चाहिए, और फिर से नहीं पूछना चाहिए। उपयोगकर्ता को एक ही सवाल का जवाब देने की संभावना है, बस जोर से।

आपको उपयोगकर्ता प्रतिक्रियाओं के लिए विभिन्न विकल्पों के लिए प्रदान करने का प्रयास करना चाहिए, सिमेंटिक भाग को उजागर करना चाहिए। स्थिति के आधार पर, उत्तर की गलत पहचान के पक्ष में एक बार गलती करना बेहतर होता है, और उपयोगकर्ता को स्पष्ट रूप से जवाब देने के लिए मजबूर नहीं करता है। यदि आप अपेक्षित उत्तर (हां *) के पैटर्न के साथ कुछ जोड़ते हैं, तो यह अक्सर उसी तरह काम करेगा जैसा कि करना चाहिए, और जिन मामलों में हमें बताया गया था "मुझे पहले से ही छोड़ दें" एक अपवाद होगा और कार्यक्रम तर्क में कुछ भी महत्वपूर्ण नहीं होगा। यदि, निश्चित रूप से, हमें एक सटीक उत्तर की आवश्यकता है, तो गलत मान्यता के कारण, जिसके सिस्टम में अपरिवर्तनीय परिणाम होंगे, तो हमें उपयोगकर्ता से स्पष्ट उत्तर प्राप्त करना चाहिए। या यदि हम उत्तर के बारे में सुनिश्चित नहीं हैं, तो हम अतिरिक्त लापता जानकारी के लिए पूछ सकते हैं।

बातचीत के प्रत्येक मामले को अलग से माना जाना चाहिए।

उपरोक्त उदाहरण में, हमें इस तथ्य का सामना करना पड़ रहा है कि उपयोगकर्ता छोटी कविता या कुछ चरित्र के बारे में पूछते हैं ("क्या कोई छोटा है?", "आइए बात करते हैं स्नो युवती के बारे में")।

यहां हमारे पास विकल्प हैं - या तो मेनू के नए स्तर जोड़ें, लेकिन संवाद की "मानवता" के बारे में मत भूलो या उपयोगकर्ता की अपेक्षाओं के अनुसार इस तरह के अनुरोधों का जवाब दें, लेकिन स्पष्ट रूप से उन्हें पेश नहीं करें।

कोई फर्क नहीं पड़ता कि हमने शुरुआत में इस संवाद भाग के माध्यम से कैसे सोचा था, हमने महसूस किया कि वास्तविक उपयोग उपयोगकर्ता की इच्छाओं को बेहतर तरीके से दिखाएगा, क्योंकि हमने अपना पहला कौशल न्यूनतम कार्यक्षमता के साथ शुरू किया, धीरे-धीरे हमारे स्नो मेडेन की क्षमताओं को जोड़ते हुए, साथ ही उन अनुरोधों पर प्रतिक्रियाएं जो हमारे लिए पहले अनुरोध नहीं किए गए थे।

तृतीय-पक्ष API का उपयोग करना

हमने देखा कि अपने कौशल में कुछ उपयोगी कार्य प्रदान करने के लिए, डेवलपर्स कभी-कभी तीसरे पक्ष के एपीआई के अत्यधिक उपयोग का सहारा लेते हैं। हालांकि, यह मत भूलो कि आपके webhook की प्रतिक्रिया का समय 1.5 सेकंड से अधिक नहीं होना चाहिए। कभी-कभी यह एक कौशल के साथ एक नकारात्मक उपयोगकर्ता अनुभव का कारण बन सकता है जो या तो सही उत्तर देता है, या लिखता है: "कुछ गलत हुआ।"

नामित संस्थाओं की मान्यता की विशेषताएं : सभी नाम, शहर सही रूप से पहचाने नहीं जाते हैं, और इसलिए आपके कौशल में इसे प्रदान करना उचित है। अब तक, एक गैर-मान्यता प्राप्त यैंडेक्स नाम के बच्चे को स्नो मेडेन के साथ संवाद करने से वंचित नहीं करने के लिए, हमें कुछ "बैसाखी" का सहारा लेना पड़ा। विकास करते समय इसे तुरंत ध्यान में रखें, ताकि उपयोगकर्ताओं को ग्लोरी या होप नाम से परेशान न करें, उदाहरण के लिए। हमें उम्मीद है कि यैंडेक्स जल्द ही इसे ठीक कर देगा।

शब्दों का उच्चारण

एक मौजूदा स्पीच सिंथेसिस टेस्टिंग टूल हमेशा आपके कौशल में आपके पास मौजूद चीज़ों से मेल नहीं खाता है। अपने किसी भी उत्तर में tts जोड़ने के लिए तंत्र प्रदान करने के लिए आलसी मत बनो। हम यैंडेक्स इंजन पर भरोसा करते हैं, और हमारे कौशल में कुछ वाक्यांशों को अब बेहतर उच्चारण (कोड में बड़े बदलाव के बिना) के लिए लेबल करना मुश्किल है। हम भविष्य के लिए विचार करेंगे।

फजी शब्द तुलना के लिए सरल लेकिन प्रभावी PHP कार्यों ने बहुत मदद की:
समान_टेक्स्ट () , लेवेंशेटिन () , अन्य भाषाओं में भी समान उपकरण हैं। खैर, और, ज़ाहिर है, नियमित अभिव्यक्ति, जहां उनके बिना।

इन कार्यों की अनुमति दी जाती है, उदाहरण के लिए, आंशिक रूप से सही उत्तर के साथ पहेली के उत्तर को सही ढंग से स्वीकार करने के लिए - बिल्कुल अलग पहचान में नहीं।

यह, ज़ाहिर है, एनएलपी (प्राकृतिक भाषा प्रसंस्करण) के विशेषज्ञों के लिए गंभीर नहीं लगेगा, लेकिन, फिर से, एक नोट - शुरुआती के लिए।

वर्तमान प्लेटफॉर्म कमजोर है

मैं संक्षेप में यैंडेक्स डायलॉग्स के डेवलपर्स के मुख्य दावों की रूपरेखा तैयार करूंगा, जिन्हें मैंने चैट में देखा था।

एक लंबा, अक्सर प्रतीत होता है अतार्किक, मॉडरेशन। ऐसा होता है कि आपके कौशल को इस तथ्य के कारण मॉडरेशन से गुजरना नहीं पड़ता है, उदाहरण के लिए, आपके पास एक बहुत ही सामान्य कौशल का नाम है, उदाहरण के लिए, "क्रीमिया में मौसम", भले ही आपके पास पहले से ही एक समान नाम के साथ एक कौशल हो - "वेदर इन सेवेरोडविन्स्क"। इसलिए मैं समझता हूं कि यह इस तथ्य के कारण है कि पहले नामों और सक्रियण शब्दों की आवश्यकताएं सरल थीं और उनकी मां की प्रेमिका का बेटा उस लड़के के लिए भाग्यशाली था, और आप सफल नहीं हुए। किसी भिन्न वाक्यांश के लिए देखें या किसी ब्रांड का उपयोग करके देखें।

प्रलेखन हमेशा सच नहीं होता है। मंच स्वयं तेजी से विकसित हो रहा है, दस्तावेज़ीकरण नहीं रहता है, कभी-कभी उपयोगकर्ताओं और यैंडेक्स के प्रतिनिधियों द्वारा अलग-अलग व्याख्या की जाती है।

प्लेटफ़ॉर्म अब तक डीबगिंग कौशल के लिए केवल बुनियादी उपकरण प्रदान करता है ।
जब आप डेवलपर पैनल में एक कौशल जोड़ते हैं, तो आपके वेबहुक को पहले से ही सही तरीके से जवाब देना चाहिए, या एक सत्यापन त्रुटि बस होगी। किस प्रकार की त्रुटि, जो JSON भेजा गया था और जो आया था - हम नहीं देखेंगे। यदि आप कौशल जोड़ने में कामयाब रहे, तो आपके पास केवल अंतिम अनुरोध-प्रतिक्रिया की सामग्री के साथ एक न्यूनतम पैनल होगा और वह सब होगा! यह जांचने का कोई साधन नहीं है कि यह वास्तव में मॉडरेशन से पहले डिवाइस पर कैसे काम करेगा और ध्वनि करेगा। एक तृतीय-पक्ष एमुलेटर है जो सभी ब्राउज़रों में नहीं बल्कि अस्थिर है, और वर्तमान प्रोटोकॉल का पालन नहीं करता है।

डेवलपर्स से अन्य इच्छाएं और अनुरोध हैं, जैसे: एक स्मार्ट घर के साथ एकीकरण, उसकी आवाज से वार्ताकार का निर्धारण, बेहतर पीढ़ी के साथ कौशल के लिए आवाज चुनने की क्षमता, भुगतान प्रणालियों के एकीकरण, यांडेक्स खाते के साथ एकीकरण, एक कौशल के साथ काम करने सहित। एक उपयोगकर्ता के तहत विभिन्न डिवाइस, निजी कौशल के बारे में सोचा प्रणाली। लेकिन ये ऐसे कार्य हैं जिनके लिए सुरक्षा, सुविधा के दृष्टिकोण से सावधानीपूर्वक अध्ययन की आवश्यकता होती है। मुझे लगता है कि जब यह उचित स्तर पर इसे लागू करता है तो येंडेक्स इन अवसरों को प्रदान करने में सक्षम होगा। हालांकि, मॉडरेशन, डिबग और कभी-कभी अप्रासंगिक प्रलेखन के साथ समस्याएँ शुरुआती लोगों के साथ प्लेटफ़ॉर्म की आदत डाल सकती हैं।

यह मदद करता है कि चैट समर्थन लगातार जवाब दे रहा है, एक कम अनुभवी और उत्तरदायी समुदाय भी आयोजित किया गया है, जिसने मुझे बहुत मदद की है, आपकी मदद करेगा। समर्थन "दावा किया गया", "हम प्रलेखन के बारे में जानते हैं, हम इसे ठीक कर देंगे", "हम मॉडरेशन के बारे में निर्णय लेते हैं" संदेश के साथ बहुत से दावों का जवाब देता है। ठीक है, हम इसके लिए तत्पर हैं।

एक त्वरित शुरुआत के लिए, मैं आपको एक निजी कौशल प्रकाशित करने की सलाह देता हूं, उन्हें अब न्यूनतम आवश्यकताओं के साथ जांचा जाता है:

• कौशल का नाम और सक्रियण वाक्यांश के लिए जाँच की जाती है, क्योंकि आधार सभी डेवलपर्स के लिए सामान्य है।
• Webhook को अनुरोधों का सही ढंग से जवाब देना चाहिए।
• एक निजी कौशल को रिपोर्ट करना चाहिए कि कौशल उसके स्वागत भाषण में बंद है। ताकि गलती से लॉन्च किया गया उपयोगकर्ता अधिसूचित हो जाए।

चैट टिप:

एक बार एक प्रकाशित कौशल का उपयोग एक प्रकाशित webhook से एक विकसित एक, एक उपयोगकर्ता के लिए फ़िल्टरिंग के अनुरोधों के द्वारा मॉडरेशन की प्रत्याशा में अपने अन्य संवादों का परीक्षण करने के लिए किया जा सकता है।

निष्कर्ष

सामान्य तौर पर, आवाज इंटरफेस खुद को एक बहुत ही दिलचस्प विषय लगता था, भविष्य में मांग में अधिक से अधिक, मैं इसमें और अधिक गोता लगाने की योजना बनाता हूं, विशेष समान सेवाओं (Google, अमेज़ॅन, सिरी, आदि) से विशेष साहित्य, निर्देश और युक्तियां पढ़ता हूं।

मुझे आपको फिर से ऐलिस के यैंडेक्स स्कूल के बारे में याद दिलाना चाहिए, अगर मेरे जैसा कोई व्यक्ति इस विषय में रुचि रखता है।

कुछ और संबंधित लिंक:

यैंडेक्स डायलॉग ब्लॉग
Youtube चैनल Yandex Dialogs
आसान संवाद
बुक डिजाइनिंग वॉयस यूजर इंटरफेस
नताशा: नामित संस्थाओं को निकालने के लिए एक पुस्तकालय
टेलीग्राम चैनल नए कौशल के बारे में सूचित करता है
अनौपचारिक कौशल सूची