Muchas aplicaciones de voz a texto (STT) o reconocimiento de voz (ASR) requieren que la conversión de audio a texto se realice en tiempo real. Estas aplicaciones pueden ser los bots de voz, la subtitulación en directo de vídeos, eventos o charlas, la transcripción de reuniones, el análisis de voz en tiempo real de las llamadas de ventas o la asistencia de un agente en un centro de contacto.

Una pregunta importante para los desarrolladores que buscan integrar STT en tiempo real en sus aplicaciones es la elección del protocolo y/o mecanismo para transmitir audio en tiempo real a la plataforma STT. Si bien algunos proveedores de STT ofrecen solo un método, en Voicegain ofrecemos varias opciones entre las que los desarrolladores pueden elegir. En esta publicación, exploramos en detalle todos estos métodos para que un desarrollador pueda elegir el más adecuado para su caso de uso específico.

Algunos de los factores que pueden guiar la elección específica son:

• Su lenguaje de programación y plataforma de implementación actuales: ¿hay bibliotecas de cliente disponibles en el lenguaje de programación o plataforma de desarrollo (ya sea Java, Javascript, Python, Go, etc.) en los que se basa la aplicación?
• Cómo se pone la transmisión de audio a disposición de la aplicación: es posible que la aplicación ya esté recibiendo la transmisión de audio de una manera y un formato determinados.
• El tipo de aplicación y sus requisitos de latencia y resiliencia de la red
• En relación con lo anterior: la calidad de la red entre la aplicación y la plataforma STT.
  

En Voicegain actualmente ofrecemos siete métodos/protocolos diferentes para admitir la transmisión a nuestra plataforma STT. Los tres primeros son métodos basados en TCP y los últimos cuatro métodos están basados en UDP.

• TCP los métodos basados en general son una buena idea si la calidad de la red es muy sólida
• UDP los métodos basados podrían ser una mejor opción si la aplicación admite telefonía
  

Las opciones

1. WebSockets

El uso de WebSockets es una opción simple y popular para transmitir audio a Voicegain para el reconocimiento de voz. Los WebSockets existen desde hace tiempo y la mayoría de los lenguajes de programación web tienen bibliotecas que los admiten. Esta opción puede ser la forma más fácil de empezar. La API Voicegain usa WebSockets binarios, y tenemos algunos ejemplos sencillos para empezar.

2. HTTP 1.1 con codificación de transferencia fragmentada

Voicegain también admite la transmisión a través de HTTP 1.1 mediante codificación de transferencia fragmentada. Esto le permite enviar datos de audio sin procesar con un tamaño desconocido, como suele ser el caso de la transmisión de audio. Voicegain es compatible con ambos modos: podemos obtener el audio de la URL que tú proporciones o la aplicación puede enviar el audio a la URL que tú proporciones. Para usar este método, tu lenguaje de programación debe tener bibliotecas que admitan la codificación por transferencia fragmentada a través de HTTP; algunas de las bibliotecas HTTP más antiguas o más sencillas no la admiten.

3. gRPC

gRPC se basa en el protocolo HTTP/2, que se diseñó para admitir conexiones bidireccionales de larga duración. Además, gRPC usa búferes de protocolo, que son un formato de serialización de datos más eficiente en comparación con el JSON que se usa comúnmente en las API HTTP RESTful. Ambos aspectos de gRPC permiten que los datos de audio se envíen de manera eficiente a través de la misma conexión que también se usa para enviar comandos y recibir resultados.

Con gRPC, las bibliotecas del lado del cliente se pueden generar fácilmente para varios lenguajes, como Java, C#, C++, Go, Python, Node Js, etc. El código de cliente generado contiene stubs para que los clientes de gRPC los usen para llamar a los métodos definidos por el servicio.

Con gRPC, los clientes pueden invocar las API STT de Voicegain como un objeto local cuyos métodos exponen las API. Este método es una forma rápida, eficiente y de baja latencia de transmitir audio a Voicegain y recibir respuestas de reconocimiento. Las respuestas se envían desde el servidor al cliente a través de la misma conexión, lo que elimina la necesidad de realizar sondeos o llamadas para obtener los resultados cuando se usa HTTP.

gRPC es excelente cuando se usa desde el código de fondo o desde Android. No es una solución lista para usar cuando se usa desde navegadores web, pero requiere algunos pasos adicionales.

Métodos basados en UDP

Los tres primeros métodos descritos anteriormente son métodos basados en TCP. Funcionan muy bien para la transmisión de audio siempre que la conexión no tenga ninguna pérdida de paquetes o ésta sea mínima. La pérdida de paquetes provoca importantes retrasos y fluctuaciones en las conexiones TCP. Esto puede funcionar bien si el audio no tiene que procesarse en tiempo real y se puede almacenar en búfer.

Si el comportamiento en tiempo real es importante y se sabe que la red no es confiable, el protocolo UDP es una mejor alternativa al TCP para la transmisión de audio. Con el UDP, la pérdida de paquetes se manifiesta como interrupciones del audio, pero esto puede ser preferible a pausas y fluctuaciones excesivas en el caso del TCP.

4. Protocolo RTP con extensiones Voicegain

RTP es un protocolo estándar para la transmisión de audio a través de UDP. Sin embargo, el RTP en sí mismo no suele ser suficiente y normalmente se usa con el protocolo de control RTP (RTCP) que lo acompaña. Voicegain ha implementado su propia variante del RTCP que se puede usar para controlar las transmisiones de audio RTP enviadas al reconocedor.

Actualmente, la única forma de transmitir audio mediante RTP a la plataforma Voicegain es utilizar nuestra biblioteca Java patentada Audio Sender. También ofrecemos Audio Sender Daemon, que es capaz de leer datos directamente desde dispositivos de audio y transmitirlos a Voicegain para su transcripción en tiempo real.

5. SIP/RTP

Si quieres invocar la conversión de voz a texto en un centro de contacto, Voicegain ofrece API de bots de telefonía. Puedes leer más sobre ellos aquí. Básicamente, la plataforma Voicegain puede actuar como un punto final SIP y se puede invitar a una sesión SIP. Podemos hacer dos cosas: 1) Como parte de un IVR o un bot, reproducir las instrucciones y recopilar las entradas de la persona que llama. 2) Como parte de la asistencia de un agente en tiempo real, podemos escuchar y transcribir la interacción entre el agente y la persona que llama.

Para dar más detalles (1), con estas API puedes invitar a la plataforma Voicegain a una sesión SIPn, que proporciona acceso al audio con el motor Voicegain Speech-to-Text. Una vez que se haya establecido la transmisión de audio, puedes emitir comandos para reconocer las expresiones de las llamadas y recibir la respuesta de reconocimiento mediante nuestras llamadas web. Puede escribir la lógica de su aplicación utilizando cualquier lenguaje de programación o un motor de NLU de su elección; todo lo que necesita es poder gestionar las solicitudes HTTP y enviar respuestas.

La plataforma Voicegain en este escenario actúa esencialmente como una «boca» y un «oído» para toda la conversación que tiene lugar a través de SIP/RTP. La aplicación puede emitir comandos JSON a través de HTTP que reproducen las instrucciones y convierten la voz de la persona que llama en texto durante toda la llamada en una sola sesión. También puedes grabar toda la conversación si la llamada se transfiere a un agente en vivo y transcribirla en texto.

6. MRCP

Los proveedores de plataformas de centros de contacto, como las plataformas CCaaS basadas en Cisco, Genesys, Avaya y FreeSwitch, suelen admitir MRCP para conectarse a los motores de reconocimiento de voz. Voicegain permite el acceso mediante MRCP al reconocimiento de voz basado en vocabulario extenso y gramatical. Recomendamos el MRCP solo para despliegues en Edge, en la nube privada o locales

7. SIPREC

En los centros de contacto, para la transcripción en tiempo real de la interacción entre el agente y la persona que llama, Voicegain es compatible con SIPREC. Se proporciona más información aquí.

¡Haz una prueba de manejo con Voicegain!

1. Haga clic aquí para obtener instrucciones sobre cómo acceder a nuestro sitio de demostración en vivo.

2. Si estás creando una aplicación de voz genial y quieres probar nuestras API, haz clic aquípara crear una cuenta de desarrollador y recibir 50$ en créditos gratis

3. Si quieres usar Voicegain como tu propio asistente de transcripción con IA para las reuniones, haz clic aquí.

‍

Dallas, Texas - 26 de octubre de 2021: Fuente ONVI, un proveedor líder de soluciones de automatización inteligente para la optimización de la fuerza laboral, el análisis y la automatización de las operaciones de los centros de contacto, la gestión de la experiencia del cliente y la automatización de los procesos empresariales, anunció hoy una asociación estratégica con Ganación de voz, una innovadora empresa de voz a texto y ASR. OnviSource ha integrado la plataforma de conversión de voz a texto de Voicegain basada en el aprendizaje profundo en su solución de análisis multicanal Intellecta™, que utiliza la interpretación de voz a texto y lenguaje natural para analizar las interacciones con los clientes y el contenido basado en audio para descubrir conocimientos prácticos y extraer información empresarial.

OnviSource aprovechará la plataforma Voicegain para atender a su creciente base de clientes empresariales de diversos sectores, como proveedores de servicios inalámbricos nacionales, bancos, servicios financieros, servicios públicos, seguros y otros.

«Nos complace anunciar esta asociación con Voicegain, ya que su ASR impulsado por la IA amplía aún más nuestras soluciones de automatización inteligente impulsadas por la IA y nuestra plataforma de hiperautomatización, que ofrece IA integrada, IA conversacional, RPA, BPA y análisis», dijo Ray Naeini, presidente y director ejecutivo de OnviSource. «Nuestra asociación permitirá a ambas compañías desarrollar conjuntamente modelos de IA altamente sofisticados y personalizados para diversas aplicaciones e industrias con el fin de ofrecer una precisión y un rendimiento incomparables».

Para lograr un alto rendimiento, OnviSource implementó el motor Voicegain ASR en servidores con GPU NVIDIA en su centro de datos. Esta arquitectura se conoce como implementación perimetral. Si bien Voicegain también ofrece una solución en la nube para varios usuarios, una arquitectura de implementación perimetral tiene dos beneficios importantes para OnviSource.

El primer beneficio importante es que permite a OnviSource cumplir con los estrictos compromisos contractuales con los clientes relacionados con la privacidad, la seguridad y el control de los datos. La segunda ventaja es que ofrece a OnviSource una reducción de costes de aproximadamente un 75% en comparación con los modelos de precios basados en el uso que ofrecen otros proveedores, lo que permite a OnviSource ofrecer sus soluciones repletas de funciones a precios muy asequibles y flexibles.

«Estamos entusiasmados de haber sido seleccionados por OnviSource para sus productos de análisis de voz empresarial y call center. Esta decisión confirma las tres A con las que Voicegain se diferencia en el mercado de ASR: precisión, asequibilidad y accesibilidad», afirmó Arun Santhebennur, cofundador y director ejecutivo de Voicegain. «Nuestras mejoras conjuntas en los productos ofrecerán modelos de conversión de voz a texto de alta precisión para aplicaciones empresariales complejas».

La selección del producto Voicegain por parte de OnviSource se basó en pruebas exhaustivas y programas piloto relacionados con la precisión, el rendimiento y la aplicabilidad del producto de Voicegain, combinados con un análisis comparativo detallado con otros productos del mercado.

Además, el producto Voicegain ofrece simplicidad en la implementación y el uso, ya que toda la plataforma se implementa en un clúster de Kubernetes. Su implementación en Edge ofrece un script simple para descargar e implementar todos los paquetes y dependencias en cualquier servidor con GPU NVIDIA.

Acerca de OnviSource

Durante más de una década, Fuente ONVI ha permitido a varios cientos de pequeñas y grandes empresas de una amplia gama de sectores gestionar, automatizar y mejorar de forma rentable la experiencia del cliente y los procesos empresariales al ofrecer soluciones avanzadas de captura, unificación, análisis, toma de decisiones y automatización multicanal de datos y medios para toda la empresa, incluidos los centros de contacto, las oficinas administrativas y las organizaciones de TI.

Las soluciones automatizadas inteligentes (IA) de OnviSource IA ofrecen optimización de la fuerza laboral y gestión de la fuerza laboral (WFO/WFM), incluida la gestión de la participación del cliente de teleservicio, el análisis multicanal de la participación del cliente, la encuesta de clientes automatizada de forma inteligente, la automatización de procesos mediante la automatización robótica de procesos (RPA) y la automatización inteligente de procesos (IPA) y el agente virtual inteligente (IVA). La empresa ofrece sus soluciones como productos de software, nube o software como servicio (SaaS), servicios gestionados o cualquier combinación. OnviSource es especial Ventaja Platinum El programa asegura que las soluciones funcionen para las necesidades específicas de los clientes al ofrecer una serie de programas de asistencia al cliente sin obligaciones. Estos programas incluyen consultas, pruebas de concepto y asistencia operativa práctica. OnviSource tiene su sede en Plano, Texas (área del norte de Dallas), con un centro de operaciones adicional en Oklahoma.

Acerca de Voicegain

Voicegain es una plataforma de conversión de voz a texto basada en redes neuronales profundas que se centra en los desarrolladores de aplicaciones de voz. Voicegain ofrece un conjunto completo de API, SDK y aplicaciones SaaS además de su plataforma para automatizar y analizar las interacciones basadas en la voz en los centros de contacto, las ventas y las reuniones. Para obtener más información, visita Voicegain.ai o crea un cuenta gratuita para empezar.

Contacto de prensa:Ganancia de voz: Arun Santhebennur, director ejecutivo

arun@voicegain.ai

‍

Fuente ONVI: Deborah Cromwell, directora de marketing

deborah.cromwell@onvisource.com

‍