Norge har én eneste gang vedtaget, hvordan sproget skal udtales. Det skete i 1951, det handlede om talordene, og initiativet kom fra det norske Telegrafverket.
Baggrunden var praktisk. Telefonnumrene i Oslo var udvidet fra fem til seks cifre, og telegrafstyrelsen havde målt, at folk skrev mærkbart færre fejl ned, når tallene blev læst i samme rækkefølge, som de skrives. Stortinget vedtog det enstemmigt den 22. november 1950, og den nye tællemetode gjaldt fra 1. juli 1951.
Danmark gjorde ikke det samme. Vi siger stadig tooghalvfems, med eneren først, ligesom nordmændene gjorde før 1951. Og det betyder noget nu, hvor det ikke længere er et menneske, der sidder og skriver nummeret ned. Det er en maskine.
Dansk er den sværeste af de tre nordiske sprog på tal
Det er svært af to grunde på én gang.
Den første er rækkefølgen. Tooghalvfems er 92, men de første stavelser, agenten hører, er toeren. Et system, der beslutter sig undervejs, kommer let til at skrive 2 først.
Den anden er sværere at komme uden om. Tierne over fyrre bærer rester af et tyvetalssystem. Halvtreds stammer fra halvtredsindstyve – to en halv gang tyve – og halvfjerds fra halvfjerdsindstyve, tre en halv gang tyve. Et dansk tal over halvtreds er altså ikke bare udtalt baglæns. Det indeholder også et led, der slet ikke ligner et tal.
Til sammenligning er svensk rent titalsbaseret og følger skriftrækkefølgen: femtiotvå er 52, og der er ikke mere i det. Norsk ligger imellem, med to tællemetoder i omløb på samme tid.
Konsekvensen er praktisk. En model, der er justeret på svenske tal og derefter målt på svenske tal, ser god ud og opfører sig dårligt på dansk – og fejlene samler sig i præcis de felter, det er dyrest at tage fejl af. Det er en af grundene til, at sprogene bør bygges hver for sig i stedet for at blive behandlet som varianter af hinanden.
Et tal er ikke et tal. Det er et felt.
Den vigtigste enkeltoplysning, en agent kan have, når den hører cifre, er, hvad cifrene skal forestille.
Danske identifikationsnumre har faste længder:
| Nummer | Antal cifre | Sådan læses det som regel højt |
|---|---|---|
| Postnummer | 4 | Et efter et, eller som ét firecifret tal |
| Telefonnummer | 8 | To og to |
| CVR-nummer | 8 | To og to, eller fire og fire |
| Registreringsnummer og kontonummer | 4 + 10 | Fire, derefter resten |
| CPR-nummer | 10 | Seks, derefter fire |
Ved agenten, at den er ved at udfylde feltet »CVR-nummer«, ved den samtidig, at svaret skal være otte cifre, og at det sidste er et kontrolciffer, der er beregnet ud fra de syv foran. Så er transskriptionen ikke længere et gæt, der skal accepteres. Det er et gæt, der kan afvises.
Det er en billig mekanisme, og den er billig, netop fordi den slet ikke handler om lyd. Feltet laver regnestykket, ikke øret.
Linjen fjerner det, der adskiller cifrene
Almindelig telefoni overfører omkring 300 til 3400 hertz. Alt derover forsvinder.
Det er et fornuftigt valg for tale i almindelighed og et dårligt valg for cifre. Meget af den energi, der adskiller en s-lyd fra en sj-lyd, ligger over 3400 hertz. I en almindelig sætning betyder det ingenting, fordi resten af sætningen bærer betydningen. I en række på ti cifre findes den hjælp ikke. Hvert ciffer skal stå på egne ben.
Det er også grunden til, at cifre er den del af samtalen, der bliver mærkbart dårligere, når systemet flyttes ud af laboratoriet. En demo siger ikke meget om, hvad agenten gør i virkeligheden, og for tal er afstanden mellem de to størst: demoen kører over bredbånd, med en god mikrofon, i et stille rum.
Pauserne er data
Læs et dansk telefonnummer højt. Du grupperer det to og to, med en lille pause mellem hver gruppe.
Grupperingen er ikke pynt. Den er fejlretning. Den fortæller lytteren, hvor hver bid begynder og slutter.
En almindelig opbygning af en stemmeagent smider den information væk. Lyden går til talegenkendelse, genkendelsen producerer en tekststreng, og teksten går videre til sprogmodellen. Pauserne overlever ikke det trin. Modellen får 22334455 eller 2 2 3 3 4 4 5 5 og skal selv finde ud af resten.
Det er værd at vide, hvad din leverandør rent faktisk gør her, for det er ikke synligt udefra, og det slår ikke ud i noget tal, du får rapporteret. Høj nøjagtighed på ordniveau kan udmærket stå side om side med, at hvert femte kontonummer bliver forkert – ord er mange, og cifre er få.
Det, der faktisk hjælper
Tre ting, i den rækkefølge.
Agenten bør vide, hvilket felt den udfylder, før kunden begynder at tale, så længde og kontrolciffer får lov at gøre arbejdet.
Den bør læse nummeret tilbage i den gruppering, kunden forventer – to og to for et telefonnummer, seks og fire for et CPR-nummer. En tilbagelæsning i forkert rytme bliver bekræftet næsten lige så ofte som en rigtig, fordi kunden lytter efter cifre og ikke efter struktur.
Og den bør have lov til at give op. Et nummer, der ikke går op mod kontrolcifferet efter to forsøg, fortjener ikke et tredje. Det er et punkt, hvor samtalen skal videre til et menneske – med de cifre, agenten rent faktisk opfattede, sendt med.
Denne gang kan beslutningen ikke komme udefra
Løsningen i Norge i 1951 var elegant, fordi den var mulig. Man kunne ændre måden, et helt land taler på, fordi der fandtes én kanal, og alle brugte den.
Den udvej findes ikke i dag, og et sprog med halvfjerds i sig laver ingen om ved et flertal. Ingen kommer til at vedtage, at kunderne skal læse deres kontonummer i grupper af fire og ti, for at maskinen kan slippe for at tage fejl. Korrektionen skal ligge i systemet.
Threll.ai bygger stemmeagenter på dansk, norsk og svensk. En agent, der forstår hele din sætning, men skriver ét ciffer forkert i kontonummeret, har ikke løst samtalen. Den har kun gjort fejlen sværere at opdage.
