කථනයේ ප්රතිචාර වේගය තත්කාලිකව පෙනෙන ගුණයක්. පරිශීලකයා කතා කිරීම නවතා, පද්ධතිය වහාම පිළිතුරක් දෙන විට, එය "ඇත්තෙන්ම" රියල්‑ටයිම් බවට පත්වේ. පසුගිය වසරේ ලේනා ජොෆ්මාන් විසින් ලියූ ලිපියෙන්, රියල්‑ටයිම් වොයිස් පද්ධතිවල විලාම්බය (latency) කොපමණ සංකීර්ණයද, එය පාලනයට කුමන තත්ත්වයන් බලපානද කියා පැහැදිලි කරයි.
විලාම්බය මිනිත්තු කිහිපයක් නොව, මිලියතීයකට (ms) ගණනය වේ. මයික්රෝෆෝනයෙන් සංග්රහ, එය කෝඩ් කිරීම, ජාලය හරහා යැවීම, VAD (Voice Activity Detection) හරහා තීරණය කිරීම, සර්වර් කට්ටලයේ මොඩලය ක්රියාත්මක කිරීම, TTS (Text‑to‑Speech) පළ කිරීම, පසුදා ජාලය හරහා බාගත කිරීම, පරිශීලකයාගේ බෞද්ධික බෞද්ධික බෞද්ධික (jitter) බෞද්ධිකය තෙක් සෑම පියවරක්ම එකතුවේ. මේ සියල්ල එකතුවී 200‑700 ms අතර “end‑of‑turn hold” කාලය නිර්මාණය කරයි. ඒ අතර, සංවර්ධකයින්ට පාලනය කළ හැකි දෙකම “hold” කාලය සහ “jitter buffer” වේ.
VAD යනු කථාකාරකගේ කථනය හඳුනාගැනීමට භාවිතා කරන වර්ගීකරණයයි. සාමාන්ය ශබ්ද ත්රෙෂ්හෝඩ් VAD සාමන්ය කාමරයක හොඳයි, නමුත් ටීවී හෝ කෞෆේ වාතය ඇති පරිසරයක අසාර්ථක වේ. නියුරල් VAD (Silero, WebRTC) ශබ්ද අඩංගු පරිසර වලත් හොඳින් ක්රියා කරයි, නමුත් කතාකාරකයාගේ ශබ්දය හා අසල්වැසි කතාකරුගේ ශබ්දය වෙනස් කළ නොහැක.
වැරදි VAD තීරණ දෙකක් ඇත: “false negative” (පරිශීලකයා තවදුරටත් කතා කරනවා යැයි හිතාගැනීම) සහ “false positive” (කතාකාරකයා කතා අවසන් වුනා යැයි වැරදි ලෙස තීරණය කිරීම). පළමු අවස්ථාව පද්ධතියට තාවකාලිකව අඩු වේගයක් දෙනු ඇත, නමුත් “false positive” සිදුවුවහොත් පරිශීලකයාගේ කථනය මැද පවා කට්ටලයක් කපා දැමීම නිසා අසාධාරණ අත්දැකීමක් ලැබේ. එබැවින් “hold” කාලය ස්ථිර නොව, කථනයේ වාක්ය ගঠন, පिच් පත්රය, “um”, “uh” වැනි පූර්ව-කතා සංකේතයන් අනුව සකස් කළ යුතුය.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික ඉගෙනුම, මෘදුකාංග සංවර්ධනය සහ ව්යාපාරික නව්යකරණය සඳහා රියල්‑ටයිම් වොයිස් තාක්ෂණය විශාල අවස්ථාවක් සපයයි.
- ශිෂ්යයන් – සිංහල‑ඉංග්රීසි බහුභාෂා පරිඝණක පරික්ෂණයන්හි VAD හා Barge‑In තාක්ෂණය භාවිතා කර, ඉගැන්වීම් පද්ධතිවල සජීවී ප්රතිචාර ලබා ගත හැක.
- ඩෙවලපර්ස් – API, AI, Cloud සේවා සමඟ ඒකාබද්ධ කිරීමේදී විලාම්බය කළමනාකරණය කර, පරිශීලක‑මිතුරු voice assistant නිර්මාණය කළ හැක.
- ව්යාපාර – කෝල්‑සෙන්ටර්, ඩිජිටල් අලෙවි, සහ IoT උපාංගවලට කථා‑අධාරිත අතුරුමුහුන් (voice UI) එකතු කර, සේවා වේගය හා ගුණාත්මකභාවය වැඩිදියුණු කළ හැක.
අවසන් වශයෙන්, රියල්‑ටයිම් කථනයේ විලාම්බය පාලනය කිරීමේ සාර්ථකතා, පද්ධතියේ “අනතුරු” අඩු කිරීම, පරිශීලක‑අනූභවය උසස් කිරීම, සහ ශ්රී ලංකාවේ තාක්ෂණික ප්රගතියට නව දොරටු විවෘත කිරීමයි.
