Oʻzbek tilida nutqni matnga aylantirish amalda ishlaydi: toza nutq va odatiy iboralarni model tayyor holda yaxshi taniydi. U telefon kanalida, ibora ichida oʻzbekchadan ruschaga oʻtishda, shevalarda, ism va summalarda xato qiladi. Sabab — maʼlumotda: ochiq korpuslar qoʻngʻiroqlardan emas, oʻqib berilgan matndan iborat; Uzbek Speech Corpus 958 nafar soʻzlovchining 105 soatlik yozuvidan tuzilgan va mualliflar unda test toʻplamida soʻzlar boʻyicha 17,4% xatolik olgan, telefon suhbatlari esa ularda yoʻq. Buni modelni almashtirish emas, maʼlumot tuzatadi: razmetka qilingan real qoʻngʻiroqlar, atamalar lugʻati va «oʻzbekcha ↔ ruscha» oʻtishlarga ishlov berish. Alohida vazifa — kechikish: ovozli agent nutqni aniqlash, tushunish, javob va sintezdan iborat konveyer, ibora oxirini kutish oʻrniga oqimli aniqlash esa eng sezilarli pauzani olib tashlaydi. Biznes uchun AI-agentlar platformasi Zukko.AIda oʻzbek, rus va ingliz tillari uchun oʻz nutqni aniqlash modellari ishlaydi, ovozli AI-agent va qoʻngʻiroqlar tahlili shularga qurilgan. Vendor tanlaganda model qaysi maʼlumotlarda oʻqitilgani va telefon kanalidagi kechikish qanchaligini soʻrang.
Oʻzbek tilida nutqni matnga aylantirish amalda ishlaydimi
Kontakt-markaz uchun ovozli agent — bu «qoʻngʻiroq qiladigan model» emas. Bu konveyer: nutqni aniqlash, soʻrovni tushunish, javob va sintez — va bularning bari odam pauzani sezmaydigan kechikishga sigʻishi kerak. Oʻzbek tilida tor joy aynan aniqlashda: talaffuz farqlari, ibora oʻrtasida rus tiliga oʻtish, bank atamalari.
Sabab — maʼlumotda. Oʻzbek nutqining ochiq korpuslari bor, lekin ular kontakt-markaz suhbatlari emas, oʻqib berilgan matn: Uzbek Speech Corpus 958 nafar soʻzlovchining 105 soatlik yozuvidan iborat, mualliflar unda test toʻplamida soʻzlar boʻyicha 17,4% xatolik olgan (Musaev va boshq., 2021); FeruzaSpeech korpusida esa bitta soʻzlovchining 60 soatlik yozuvi kirill va lotin yozuvidagi matn bilan berilgan (Povey, 2024). Telefon suhbatlari ularda yoʻq — bunday maʼlumotni jamoa oʻzi yigʻadi va razmetka qiladi.
Nima tayyor holda ishlaydi
Bazaviy model toza studiya nutqini va standart iboralarni yaxshi taniydi. FAQ-ssenariylar uchun — «kartadagi qoldiq», «ish vaqti», «filial manzili» — bu deyarli yetarli. Muammolar telefon kanalida boshlanadi: siqilgan ovoz, shovqin, gapni boʻlish.
Nimani qoʻshimcha sozlashga toʻgʻri keldi
Soha leksikasidagi aniqlikni modelni almashtirish bilan emas, maʼlumot bilan koʻtardik: razmetka qilingan real qoʻngʻiroqlar, atamalar lugʻati, «oʻzbekcha ↔ ruscha» til almashinuvini alohida qayta ishlash. Kechikish uchun alohida kurashdik — ibora oxirini kutish oʻrniga oqimli aniqlash eng sezilarli pauzani olib tashlaydi.
Ovozli AIda eng katta model emas, ovozdan javobgacha boʻlgan eng qisqa va barqaror yoʻl yutadi.
| Konveyer boʻgʻini | Bazaviy model tayyor holda | Nimani qoʻshimcha sozlashga toʻgʻri keldi |
|---|---|---|
| Toza studiya nutqi | Barqaror aniqlanadi | Hech narsa — bazaviy model yetarli |
| Telefon kanali | Aniqlik tushadi: siqilgan ovoz, shovqin, gapni boʻlish | Razmetka qilingan real qoʻngʻiroqlarda qoʻshimcha oʻqitish |
| Soha leksikasi (bank, logistika, klinika) | Atamalar chalkashadi va umumiy soʻzlarga «tekislanadi» | Atamalar lugʻati va soha suhbatlarini razmetka qilish |
| «Oʻzbekcha ↔ ruscha» almashinuvi | Tillar tutashgan joyda ibora yoʻqoladi | Til almashinuvini alohida qayta ishlash |
| Javobgacha kechikish | Ibora oxirini kutish eshitiladigan pauza beradi | Paketli emas, oqimli aniqlash |
Oʻzbek nutqini aniqlashni amalda nima buzadi
Jadvalda beshta sabab: toza yozuvda ishonchli ishlagan aniqlash jonli qoʻngʻiroqda nega xato qiladi, har biri qanday koʻrinadi va unga qarshi nima qilinadi.
| Nima buzadi | Qanday namoyon boʻladi | Nima qilinadi |
|---|---|---|
| Ibora ichida oʻzbekchadan ruschaga oʻtish | Tillar tutashgan joydan keyingi qism yoʻqoladi — summa va xizmat nomlari aynan oʻsha yerda aytiladi | Til almashinuvini alohida qayta ishlash, razmetkada aralash nutq namunalari |
| Shevalar va talaffuz farqlari | Mahalliy soʻzlar oʻxshash adabiy soʻzlarga almashib qoladi | Turli hududlardagi qoʻngʻiroqlarni razmetka qilish, mijozning oʻz yozuvlarida tekshirish |
| 8 kHz telefon kanali | Siqilgan ovoz, shovqin va gapni boʻlish: toza yozuvda ishonchli ishlagan model soʻzlarni tushirib qoldiradi | Real telefon yozuvlarida qoʻshimcha oʻqitish |
| Atoqli otlar va summalar | Familiya, xizmat nomi va raqamlar xato yoziladi, atamalar umumiy soʻzlarga «tekislanadi» | Atama va nomlar lugʻati, soha suhbatlarini razmetka qilish |
| Natijadagi lotin va kirill yozuvi | Bir xil matn turli yozuvda keladi, qidiruv va hisobotlar bir-biriga mos kelmaydi | Transkripsiya uchun yagona yozuv, matnni bitta alifboga keltirish |
Xuddi shu vazifa biznes tomondan qanday koʻrinishi — transkripsiyaga nima tushishi va yozuv qanday ulanishi — qoʻngʻiroqlarni oʻzbekcha matnga oʻgirish haqidagi maqolada yoritilgan. Zukko.AIda oʻzbek, rus va ingliz tillari uchun oʻz nutqni aniqlash modellarimiz ishlaydi; ovozli AI-agent va qoʻngʻiroqlar tahlili shularga tayanadi.
Ovozli AI yetkazib beruvchisini tanlayotganlar uchun xulosa
«Sizda qaysi model» deb emas, «u bizning til va sohamiz uchun qaysi maʼlumotda qoʻshimcha oʻqitilgan» va «telefon kanalida kechikish qancha» deb soʻrang. MDH banklari uchun aynan shu ikki savol hal qiluvchi. Sizning konturingiz boʻyicha aniq raqamlar demoda tasdiqlanadi. Bu stek platforma ichida qanday ishlashi — Zukko.AIda oʻzbek nutqini matnga aylantirish sahifasida.
Tez-tez beriladigan savollar
Nega oʻzbek nutqini aniqlash ruschadan qiyinroq
Oʻqitish uchun maʼlumot kamroq, nutq esa jonli: talaffuz farqlari kuchli, shevalar turlicha, ibora oʻrtasida ruschaga oʻtish odatiy hol. Bunga siqilgan ovozli va shovqinli telefon kanali qoʻshilsa, studiya yozuvida yaxshi ishlagan universal model soʻzlarni tushirib qoldira boshlaydi. Shuning uchun sifatni modelning parametrlari emas, razmetka qilingan real qoʻngʻiroqlar hal qiladi.
Kattaroq modelga oʻtish nima beradi
Kutilganidan kamroq. Katta model umumiy sifatni koʻtaradi, lekin sizning soha leksikangizni bilmaydi va kechikish qoʻshadi. Soha soʻzlaridagi aniqlikni modelning hajmi emas, razmetka qilingan real qoʻngʻiroqlarda qoʻshimcha oʻqitish va atamalar lugʻati beradi. Shu sababli avval maʼlumot va kanal tekshiriladi, model hajmi haqidagi bahs esa undan keyin boshlanadi.
Ovozli suhbatda qanday kechikish maqbul
Mezon oddiy: odam gapini tugatgach pauzani sezmasligi kerak. Shuning uchun modelning ishlash vaqti emas, butun yoʻl hisoblanadi — aniqlash, tushunish, javob va sintez. Oqimli aniqlash kutishning eng sezilarli qismini olib tashlaydi: tizim iborani odam jim boʻlgandan keyin emas, u hali gapirayotgan paytda tahlil qila boshlaydi.
AI aralash oʻzbek-rus nutqini qanday uddalaydi
Til almashinuvi alohida qayta ishlanadi: tizim soʻzlovchini bitta tilda gapirishga majburlamaydi, tutashgan joyni taniydi va iborani davom ettiradi. Bunday ishlovsiz model gapning ikkinchi yarmini yoʻqotadi — koʻpincha aynan u yerda raqam, summa va xizmat nomlari aytiladi. Oʻzbekistonda bu istisno emas, oddiy nutq, shuning uchun uni birinchi navbatda tekshirish kerak.
Ishga tushirishdan oldin ovozli AI yetkazib beruvchisidan nima soʻrash kerak
Uch narsa: model sizning til va sohangiz uchun qaysi maʼlumotda qoʻshimcha oʻqitilgan, aynan telefon kanalida kechikish qancha va odatiy boʻlmagan soʻrovda nima boʻladi. Oʻz yozuvlaringizda tekshirib berishni soʻrang — kontur boʻyicha aniq raqamlar taqdimotda emas, demoda tasdiqlanadi. Transkripsiya qaysi yozuvda kelishini ham alohida aniqlang: lotinchadami yoki kirillchada.
Oʻz modellari kerakmi yoki tayyorlari yetarlimi
Segmentga bogʻliq. Kichik va oʻrta biznesga odatda katalog va ssenariyga sozlangan tayyor modellar yetadi — ishga tushirish 2 soatdan boshlanadi. Maʼlumot va konturga talabi bor enterprise uchun nutq steki alohida oʻrnatiladi, ish hajmi esa joriy etish bosqichida kelishiladi — 30 kungacha. Zukko.AIda oʻzbek, rus va ingliz tillari uchun oʻz nutqni aniqlash modellarimiz ishlaydi.
Oʻzbek nutqini aniqlash uchun ochiq maʼlumotlar bormi
Bor, lekin kam va ular oʻqib berilgan matndan iborat. Ochiq USC korpusida 958 nafar soʻzlovchining 105 soatlik yozuvi (2021), FeruzaSpeech korpusida esa bitta soʻzlovchining kirill va lotin yozuvidagi matni bilan 60 soatlik yozuvi (2024) bor. Ularda kontakt-markazdagi telefon suhbatlari yoʻq, shuning uchun jamoalar oʻz kanali va sohasi uchun maʼlumotni oʻzlari yigʻadi va razmetka qiladi.