Google提到，即便客服中心虛擬代理人的語音識別精準度達90％，但是比起實驗室，實際使用環(huán)境以及雜訊的影響，在部分情況下，仍然會使得自動語音識別的結(jié)果變得很糟，因此現(xiàn)在Google進一步更新客服中心AI所使用的技術，特別是在Dialogflow以及云端語音轉(zhuǎn)文字兩服務，以提升辨識品質(zhì)。

　　Dialogflow讓用戶能夠在網(wǎng)頁、行動應用程式或是熱門的傳訊平臺，建構對話服務，而這次更新，Google為Dialogflow加入了自動語音調(diào)適能力（Auto Speech Adaptation），以對話情境資訊，解決虛擬代理人混淆單字發(fā)音的問題。

　　由于許多單字的讀音很相似，在電話中可能無法很清楚傳遞，像是cheese和these的發(fā)音，還有可能把mail誤翻成male或nail，但是當虛擬代理人知道這些對話背景，發(fā)生在速食餐廳或是商品退貨時，便不容易混淆這些字。用戶只要在Dialogflow控制臺中，將自動語音調(diào)適功能打開，就能讓語音識別準確度上升40％以上。

　　Google也改進了互動式語音應答（IVR）以及電話虛擬代理人，所使用的云端語音轉(zhuǎn)文字基線模型，而這將會使語音轉(zhuǎn)錄的結(jié)果更好，Google以電話用語的常用短句最佳化了該模型，使得新模型的表現(xiàn)，在美國英文上的辨識準確度提高15％，再加上自動語音調(diào)適功能，還能進一步提升辨識的品質(zhì)。

　　開發(fā)人員在使用云端語音轉(zhuǎn)文字服務時，能使用SpeechContext參數(shù)來控制情境資訊，讓語音轉(zhuǎn)錄更加精確，以讓虛擬代理人更精準地辨識企業(yè)產(chǎn)品等特定名詞。

　　而現(xiàn)在Google在SpeechContext中新增類別，而預定義的類別則對應到流行或是通用的概念上，使用情境像是在數(shù)字溝通時，4個數(shù)字的組合可能代表年、時間或是金錢，而開發(fā)者可以在SpeechContext類別，調(diào)校整個自動語音識別的單字列表，改善輸入語音的轉(zhuǎn)錄結(jié)果。

　　不過，Google也提到，使用SpeechContext這樣的工具，會增加部分短句被擷取的機率，這可能降低了語音有提及卻沒出現(xiàn)在轉(zhuǎn)錄文字上的錯誤，但同時也會增加語音未提及卻出現(xiàn)在轉(zhuǎn)錄文字的情形，自動語音調(diào)適的強度需要權衡結(jié)果進行調(diào)整，而SpeechContext的Boost功能解決了開發(fā)者這樣的煩惱，可以自動為使用案例調(diào)整語音調(diào)適的最佳強度。

　　過去云端語音轉(zhuǎn)語音服務，處理語音只能以1分鐘為單位，而這對于需要較長時間轉(zhuǎn)錄文字的使用案例，像是會議、即時影片或是電話等是個大問題，現(xiàn)在Google將處理語音時間上限提高至5分鐘，而且API也允許開發(fā)人員開啟新的串流對話，來接續(xù)前一個串流對話，以做到無限時間的串流語音轉(zhuǎn)錄文字。