«Förstår den dialekt?» är oftast den första frågan ett företag ställer om en röstagent. Det är en bra fråga, svaret har blivit märkbart bättre, och ändå täcker det bara den ena riktningen.
Det nordiska exempel som är bäst dokumenterat kommer från Norge. Nationalbibliotekets talmodell NB-Whisper är tränad på bland annat NST-materialet och inspelningar från Stortinget, och den lämnar ifrån sig normaliserad bokmål eller nynorska – oavsett vem som talar. Det är ingen svaghet. Det är hela poängen: en transkription ska vara läsbar och sökbar, inte en återgivning av hur någon sa det. Dialekten hörs, och sedan läggs den undan i första ledet. Samma sak gäller på svenska, där målet är rikssvenska i skrift.
Resurserna för motsatt väg finns också. Det norska uttalslexikonet NB Uttale innehåller 785 000 ord transkriberade i fem uttalsvarianter och är framtaget just för talteknik, inklusive talsyntes. NB Tale innehåller inspelningar av 380 talare från 24 dialektområden.
Ändå är de röster du faktiskt väljer mellan när du sätter upp en agent i praktiken rikssvenska. Ett alternativ, presenterat som en lista.
Det är ett val, inte en inställning
För de flesta företag är rikssvenska rätt svar. Det är neutralt, det förstås överallt, och ingen lägger märke till det.
Men det är inte rätt för alla. En verkstad i Skellefteå, en klinik i Malmö, en förening som svarar sina egna medlemmar: där är det inte utsmyckning att låta lokal – det är själva påståendet. En stockholmsröst som säger «hej, du har kommit till oss» berättar något om var «oss» ligger – utan att mena det.
Sömmen syns tydligast i överlämningen. Agenten talar rikssvenska i en och en halv minut, och sedan tar en kollega över som talar skånska. För den som ringer är det inte två röster. Det är ett samtal som byter sällskap halvvägs. Vad som följer med över till människan bestämmer ni i förväg – hur de två låter bredvid varandra är det få som har tagit ställning till.
Två saker som inte kostar något
Skriv ner varför er agent låter som den gör. Valdes rösten, eller låg den först i listan? Valet av röst håller på att bli ett inköp med ett ursprung och ett avtal bakom sig, och då är det bra att ha ett skäl som inte är «den låg där».
Och testa förståelsen i den riktning som faktiskt är svår. Läs inte in en mening i en demo – ring ert eget nummer, och låt någon från vart och ett av de områden era kunder ringer från uppge ett efternamn och ett datum. Telefonlinjen har redan slängt bort en hel del av signalen innan modellen får den, och det är där skillnaden mellan dialekter blir större, inte mindre.
Threll.ai bygger röstagenter på svenska, norska och danska. Dialektfrågan har två sidor, och den andra – hur agenten själv låter – är avgjord hos de flesta utan att någon fattade beslutet.
