AI và cảm xúc trong giọng nói: đo biểu hiện, hỏi rõ nhu cầu

Một trợ lý nói chậm lại khi bạn yêu cầu, giải thích lại đoạn khó và biết nhường lượt nói có thể tạo cảm giác được lắng nghe. Nhưng cảm giác đó chưa chứng minh máy hiểu trải nghiệm bên trong của bạn. Khi thiết kế AI giọng nói, điều hữu ích nhất là giúp người dùng điều khiển cuộc trò chuyện.

🎙️ 1. AI đang đo điều gì trong giọng nói?

Hume phân biệt biểu hiện mà người nghe nhận thấy với cảm xúc người nói thực sự trải qua. Tài liệu của hãng cũng nêu rằng các điểm biểu hiện độc lập, không cộng thành một tổng bằng 1. Vì vậy, không nên biến một điểm số thành kết luận “người này buồn 80%”. Giải thích điểm số của Hume.

Hãy hình dung một cuộc gọi có câu: “Vâng, tôi hiểu rồi.” Chỉ từ câu này, ứng dụng chưa biết khách đã giải quyết xong vấn đề hay đang muốn kết thúc cuộc gọi. Một câu hỏi xác nhận sẽ có giá trị hơn một nhãn cảm xúc được trình bày như sự thật.

🧭 2. Tách tín hiệu khỏi quyết định

Trong bản thiết kế sản phẩm, hãy chia thành ba lớp: đầu vào, giả thuyết, hành động. Đầu vào có thể là yêu cầu khách vừa nói. Giả thuyết là họ cần câu trả lời ngắn hơn. Hành động là đưa ra lựa chọn “nghe bản tóm tắt” hoặc “xem từng bước”.

Đừng đặt tên trường dữ liệu là customer_is_angry nếu hệ thống chỉ có một suy đoán. Tốt hơn, ghi lại yêu cầu đã được xác nhận, chẳng hạn preferred_response_length: short. Cách đặt tên buộc đội sản phẩm phân biệt điều đã biết với điều đang đoán.

🎛️ 3. Thử bằng một tác vụ nhỏ

Ví dụ, xây trợ lý hướng dẫn đổi địa chỉ nhận hàng. Chuẩn bị ba tình huống tự viết: khách đang vội, khách chưa hiểu một bước, khách muốn chuyển cho nhân viên. Cho người thử tự chọn nhu cầu trước khi nói; đừng yêu cầu hệ thống suy ra tính cách hay sức khỏe tinh thần từ giọng.

Bản thử chỉ cần có nút đổi tốc độ, yêu cầu nhắc lại và chuyển sang văn bản. Nếu những điều khiển này đã giúp hoàn tất việc tốt hơn, hãy ghi nhận kết quả trước khi thêm phân tích biểu hiện.

📝 Mẫu yêu cầu cho đội làm sản phẩm

Thiết kế hội thoại trợ lý đổi địa chỉ nhận hàng.
Dùng dữ liệu giả, không ghi âm khách thật.
Mỗi bước chỉ hỏi một việc.
Cho người dùng chọn: nói ngắn / từng bước / chuyển nhân viên.
Khi chưa rõ nhu cầu, hỏi xác nhận.
Không gán nhãn cảm xúc hoặc chẩn đoán từ giọng nói.
Đầu ra: 3 kịch bản và tiêu chí hoàn thành cho từng kịch bản.

✅ 4. Chấm chất lượng bằng kết quả

Đếm số người đổi địa chỉ thành công, số lần cần nghe lại và số lần trợ lý hỏi sai việc. Cuối lượt, hỏi người thử “Cách hướng dẫn có phù hợp không?” rồi cho họ giải thích bằng lời.

So sánh hai bản có cùng nội dung: một bản cố định và một bản cho người dùng chủ động chọn nhịp. Đừng dùng điểm cảm xúc do chính mô hình tạo ra làm bằng chứng duy nhất rằng mô hình hữu ích. Kết quả tác vụ và phản hồi trực tiếp là hai góc nhìn dễ kiểm tra hơn.

🔒 5. Cho người dùng quyền lựa chọn

Nếu bản thử thật sự cần phân tích âm thanh, hãy nói rõ dữ liệu nào được gửi đi, mục đích sử dụng và cách tắt. Chỉ lưu phần cần thiết cho việc đánh giá đã thống nhất; tránh đưa bản ghi âm vào công cụ khác ngoài dự kiến của người tham gia.

Trong thiết kế này, tắt phân tích vẫn phải cho phép hoàn tất tác vụ cơ bản. Điều đó cũng giúp bạn kiểm tra xem tính năng bổ sung có tạo giá trị thực hay chỉ khiến sản phẩm phức tạp hơn.

💡 6. Một trợ lý tốt cần biết hỏi lại

Bạn có thể bắt đầu bằng thay đổi rất nhỏ: sau một hướng dẫn dài, hỏi “Bạn muốn tôi tóm tắt hay đi từng bước?”. Đó là một hành vi cụ thể, có thể thử và đo.

AI giọng nói nên giúp cuộc trò chuyện rõ ràng hơn. Sự tôn trọng thể hiện ở việc nghe yêu cầu, chấp nhận người dùng sửa lại và điều chỉnh theo lựa chọn họ đã nói ra.