Akışlı TTS: ilk ses gecikmesini doğru ölçmek

Akışlı TTS, sesin tamamı üretilmeden kullanılabilir parçaların oynatılmasına imkân verir. İlk ses gecikmesini ölçerken başlangıç ve bitiş noktalarını açıkça seçin: TTS isteğinden ilk ses verisine kadar geçen süre, kullanıcının yanıtı duyduğu süreyle aynı değildir. Parçalama stratejisini de yalnız hızla değil, cümle bütünlüğü ve konuşmanın kesilmesiyle birlikte değerlendirin.

1. İlk ses, tamamlanma ve duyulma sürelerini ayırın

Microsoft’un belgelediği ilk bayt gecikmesi, istemcinin ilk ses parçasını almasına; tamamlanma gecikmesi, tüm sesin alınmasına kadardır. [1] Uygulamanızdaki TTFA adının hangi olayı temsil ettiğini ayrıca yazın. İlk bayt, ilk çözülebilir ses ve ilk duyulabilir örnek farklı ölçüm sınırları olabilir. Başka bir ekibin TTFA değerini, bu tanımı bilmeden kendi sayınızla karşılaştırmayın.

Ses dosyasının oynatma uzunluğunu üretim süresiyle karıştırmayın. Uzun bir yanıt erken başlayabilir, fakat son kısmı daha sonra gelebilir. Aynı saat tabanında ölçebildiğiniz sınırları kullanın; farklı cihazlardan gelen zaman damgalarının nasıl eşleştirildiğini kaydedin. Ortalama yanında yavaş kalan denemeleri ve örnek sayısını gösterin.

2. Metin parçalarıyla ses parçalarını karıştırmayın

Çıktının ses parçaları halinde gelmesi, girdinin de parça parça metin kabul ettiği anlamına gelmez. Microsoft belgesi ses akışını ve metin akışını ayrı başlıklarda ele alır. [1] Seçtiğiniz arayüzün giriş davranışını kontrol ettikten sonra test stratejisini kurun. Ağdan gelen bir ses parçasının, anlamlı bir cümle sınırına denk geleceğini de varsaymayın.

Küçük metin parçaları erken başlama fırsatı sunar, ancak sözcük, sayı veya vurgu bağlamını bölebilir. Büyük parçalar daha fazla bağlam sağlar; gönderilecek metnin birikmesini bekletir. Her kullanıcı için tek bir sabit parça boyutu seçmek yerine kısa karşılama, uzun açıklama ve sayı okuma senaryolarını ayrı sınayın. Bayt boyutuyla metin uzunluğunu aynı ayar sanmayın.

3. Söylenecek cümleyi kararlı hale getirin

Dil modeli bir yanıtı üretirken son sözcükler hâlâ değişebilir. Seslendirilmiş bir bilgiyi metin ekranındaki gibi sessizce geri almak mümkün değildir. Bu nedenle hangi metnin söylenmeye hazır olduğuna ilişkin açık bir karar noktası tanımlayın. Noktalama bir ipucu olabilir; eksik tarih, yarım sayı ve anlamı henüz tamamlanmamış olumsuzluk için ek kontrol gerekebilir.

Örneğin randevu saatini söylemeden önce gün ve saat ifadesinin tamamlanmasını bekleyin. Erken üretim gerekiyorsa, önceden doğrulanmış kısa bir cümleyle başlayıp ayrıntıyı ayrı bir cümlede verin. Testte yalnız ilk sesi hızlandıran seçeneği değil, yanlış veya yarım bilgiyi duyuran seçenekleri de işaretleyin. Gönderilmiş metin parçası, üretilen ses parçası ve oynatılan bölüm arasında izlenebilir bir ilişki kurmak incelemeyi kolaylaştırır.

4. Kesilen bir resepsiyon yanıtını sınayın

Örnek bir resepsiyon görüşmesinde asistan açılış saatlerini anlatırken kullanıcı farklı bir gün sorar. Eski yanıtın üretimini durdurmak tek başına yeterli olmayabilir; daha önce sıraya alınmış ses de oynatılıyor olabilir. Kesinti testinde kullanıcı konuşmasının başladığı anı, kesinti kararını ve eski sesin son duyulduğu anı ayrı kaydedin.

Sonra yeni yanıtın doğru soruya ait olduğunu doğrulayın. Eski üretimden geç gelen sesin yeni yanıtın arasına karışıp karışmadığını dinleyin. Kısa bir yanıt, uzun bir açıklama ve art arda iki kesintiyle aynı denemeyi tekrarlayın. Amaç en küçük tamponu seçmek değil, ilk sesin hızlı başlayıp yanlış sıradaki sesin devam etmemesini sağlamaktır. Başarı ölçütlerine duyulabilir boşlukları ve cümle bütünlüğünü de ekleyin.

5. Ölçüm ve değişiklik kontrol listesi

• TTFA’nın başlangıç ve bitiş olayını, saat tabanını ve kullanılan ses biçimini test kaydında belirtin.
• İlk ses, oynatma başlangıcı ve tamamlanmayı aynı yanıt üzerinde ölçün; farklı yanıtların sürelerini birleştirmeyin.
• Metin parçalama ayarını değiştirirken ses biçimini, test cümlesini ve ağ yolunu sabit tutun.
• İsim, tarih, sayı ve olumsuzluk içeren cümleleri dinleyin; hızlı başlayan fakat anlamı bozulmuş sesleri ayrıca işaretleyin.
• Kesinti sonrası eski sesin devam etmediğini, geç parçaların ayrıldığını ve yeni yanıtın doğru sırada oynadığını doğrulayın.
• Yoğunluk arttığında ilk sesin ve oynatma kuyruğunun nasıl değiştiğini izleyin; örnek sayısını sonuçla birlikte raporlayın.

6. Sık sorulan sorular

İlk bayt geldiyse kullanıcı yanıtı duymuş mudur? Henüz kesin değildir. Sesin çözülebilir hale gelmesi, oynatma sırasına alınması ve alıcıya ulaşması gerekir. Bu adımların gecikmesini görünür kılın.

Her sözcüğü hemen TTS’ye göndermek iyi midir? Sözcük sınırı her zaman anlam sınırı değildir. Aynı cümleyi farklı parçalamalarla dinleyip tarih, sayı ve vurgu doğruluğunu karşılaştırın.

Daha kısa TTFA bütün görüşmeyi hızlandırır mı? Tek bir aşamayı iyileştirir. Kullanıcının konuşma sonundan yanıtın duyulmasına kadar geçen süreyi ve kesinti davranışını ayrıca ölçmeden toplam deneyim hakkında karar vermeyin.