«Forstår den dialekt?» er som regel det første spørgsmål, en virksomhed stiller om en stemmeagent. Det er et godt spørgsmål, svaret er blevet mærkbart bedre, og det dækker alligevel kun den ene retning.
Det nordiske eksempel, der er bedst dokumenteret, kommer fra Norge. Nationalbibliotekets talemodel NB-Whisper er trænet på blandt andet NST-materialet og optagelser fra Stortinget, og den leverer normaliseret bokmål eller nynorsk – uanset hvem der taler. Det er ikke en svaghed. Det er hele hensigten: en transskription skal være læsbar og søgbar, ikke en gengivelse af, hvordan nogen sagde det. Dialekten bliver hørt, og så bliver den lagt væk i første led. Det samme gælder på dansk, hvor målet er rigsdansk på skrift.
Ressourcerne til den modsatte vej findes også. Det norske udtaleleksikon NB Uttale rummer 785.000 ord transskriberet i fem udtalevarianter og er lavet netop til taleteknologi, inklusive talesyntese. NB Tale rummer optagelser af 380 talere fra 24 dialektområder.
Alligevel er de stemmer, du reelt vælger imellem, når du sætter en agent op, i praksis rigsdansk. Én mulighed, præsenteret som en liste.
Det er et valg, ikke en indstilling
For de fleste virksomheder er rigsdansk det rigtige svar. Det er neutralt, det forstås overalt, og ingen lægger mærke til det.
Men det er ikke rigtigt for alle. Et værksted i Thy, en klinik på Bornholm, en forening, der svarer sine egne medlemmer: dér er det at lyde lokal ikke pynt, det er selve påstanden. En københavnsk stemme, der siger «hej, du har fået fat i os», fortæller noget om, hvor «os» ligger – uden at ville det.
Sømmen bliver tydeligst i overleveringen. Agenten taler rigsdansk i halvandet minut, og så tager en kollega over, der taler sønderjysk. For den, der ringer, er det ikke to stemmer. Det er én samtale, der skifter selskab undervejs. Hvad der følger med over til mennesket, bestemmer I på forhånd – hvordan de to lyder ved siden af hinanden, er der få, der har taget stilling til.
To ting, der ikke koster noget
Skriv ned, hvorfor jeres agent lyder, som den gør. Blev stemmen valgt, eller stod den først på listen? Valget af stemme er ved at blive et indkøb med en oprindelse og en aftale bag sig, og så er det rart at have en begrundelse, der ikke er «den lå der».
Og test forståelsen i den retning, der faktisk er svær. Læs ikke en sætning ind i en demo – ring til jeres eget nummer, og lad nogen fra hvert af de områder, jeres kunder ringer fra, oplyse et efternavn og en dato. Telefonlinjen har allerede smidt en god del af signalet væk, før modellen får det, og det er dér, forskellen mellem dialekter bliver større, ikke mindre.
Threll.ai bygger stemmeagenter på dansk, norsk og svensk. Dialektspørgsmålet har to sider, og den anden – hvad agenten selv lyder som – er afgjort hos de fleste, uden at nogen traf beslutningen.
