ඔබ හඩ සහායකයකට කතා කළාම, එය නිරවද්යව පිළිතුරු දෙයි කියලා හිතනවාද? බොහෝ විට, පද්ධතිය නිවැරදිව අර්ථකතනය කරලා තිබුනත්, පරිශීලකයාට "ඇයි මේක තව කාලයක් ගතවෙන්නේ?" කියලා සිතෙනවා. ඒ තවත් තරම් කාලයක් නොව, කථා අවසන් වුනාම පද්ධතිය පළමු පිළිතුර දෙන තුරු ඇති නවතම නතරකාලයයි මේකේ ප්රධාන ගැටළුව.
Smallest.ai සමාගම නිකුත් කළ නව ගවේෂණයකි මෙහි මූලික කරුණ. හඩ සහායකයක් පූර්ණයෙන්ම චාරිකා එකක් ලෙස පරිශීලකයාට පෙනේ, එය වචන හඳුනා ගැනීම, භාෂා ආදර්ශ, මෙවලම් ඇමතුම්, සහ කථා සංස්කරණය වැනි නාමාවලියක් නොවේ. ඒ නිසා, එක් එක් පියවරේ ප්රමාදය වෙන්ව මැනීම අත්යවශ්යයි. පද්ධතියේ ප්රධාන මැදිරියන් වන්නේ:
- Turn‑decision delay – පරිශීලකයාගේ අවසාන හඩ පටලය සිට පද්ධතිය තීරණය කරන තෙක් කාලය.
- STT finalization delay – පදනම් වචන ලියැවීම නිවැරදිව නිමවන කාලය.
- LLM TTFT (Time to First Token) – ආදර්ශය පළමු වචනය ඉදිරිපත් කරන කාලය.
- Time to first speakable chunk – පළමු ස්ථායී වාක්ය කොටස TTS සඳහා සූදානම් වන කාලය.
- TTS time to first audio – සින්තෙසයිසර් පළමු ශ්රව්ය කොටස නිපදවන කාලය.
Turn detection (කථා අවසන් කිරීම හඳුනා ගැනීම) VAD (Voice Activity Detection) වලින් වෙනස්. VAD සරලව “ඇතැම් හඩ පටලයක් තියෙනවාද?” කියලා පරීක්ෂා කරනවා, නමුත් turn detection පරිශීලකයා අදහස අවසන් කරලාද කියලා තීරණය කරනවා. ඒ සඳහා පදනම් වචන, විශ්වාසය, විරාම, වාක්ය ව්යවස්ථා, සහ කථා රීතිය වැනි තොරතුරු එකතු කරයි. ඉතා ඉක්මනින් තීරණය කරලා පරිශීලකයාගේ කථාව කපා දැමීම හෝ අධික ප්රමාදයක් ඇති කිරීම, දෙකම අත්දැකීම් අඩුවට හේතු වේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික ශිෂ්ය, සංවර්ධක, ව්යාපාරිකයින්ට මෙම පර්යේෂණය තුළින් ලැබෙන ප්රධාන වාසි කිහිපයක් ඇත:
- දේශීය භාෂා AI මොඩලයන් නිර්මාණය කිරීමේදී නියමිත ප්රමාද මිනුම් භාවිතා කර, සිංහල සහ තමිල් භාෂා සඳහා වේගවත් සහ විශ්වාසනීය හඩ සහායකයන් සැලසිය හැක.
- ස්ථානීය සත්කාරක පද්ධති (call centers) තුළ පාරිභෝගික අත්දැකීම් වඩාත් සුමට කර ගැනීමට, නිරන්තර වාක්ය පරිවර්තනය සහ කථා ප්රතිචාර කාලය අඩු කරගැනීමට අවස්ථාව.
- ස්ට්රාට්ජික් ව්යාපාරික අයදුම් – මූල්ය, රියදුරුවන්, හෝ රැකියා සම්බන්ධ සේවාවන්හි වැරදි අංක හෝ නාමය හඳුනා ගැනීමේ වැදගත්කම අඩු කර, වැරදි වලින් සිදුවන වත්මන් අලාභය වැළැක්විය හැක.
අදාල මැනුම් පද්ධතියේ අභ්යන්තරය පිළිබඳව නිවැරදිව මැනීම, ශ්රී ලංකාවේ තාක්ෂණික ආරම්භකයන්ට තත්ත්වය අධ්යයනය කර, ස්ථානීය පරිසරයට ගැළපෙන AI විසඳුම් නිර්මාණය කිරීමට උපකාරී වේ.
අවසානයේ, හඩ සහායකයක් “නිරවද්ය” බවට පත්වන්නේ පරිශීලකයාට “කතා කළ පසු තවත් කාලයක් නොගතව” පිළිතුරු ලැබෙන විටයි. ඒ සඳහා පද්ධතියේ සෑම පියවරක්ම නිවැරදිව මැනීමට, අධික පරීක්ෂණයක් අවශ්යය.
