隨著 Azure 通訊服務 Call Automation Recognize 動作發行，開發人員現在可以強化其 IVR 或聯絡中心應用程式，以辨識使用者輸入。 最常見的辨識情境之一是為使用者播放訊息，提示他們提供回應；應用程式辨識到回應後，會執行對應的動作。 來電者的輸入可透過多種方式接收，包括 DTMF (透過來電裝置上的數字鍵輸入)、語音，或 DTMF 與語音的組合。
使用語音轉文字進行語音辨識
Azure Communications Services 與 Foundry Tools 的整合，允許你透過「識別」動作即時分析音訊，將口語轉錄成文字。 Microsoft 預設使用通用語言模型作為基礎模型，該模型以 Microsoft 擁有的資料訓練，並反映常用的口語語言。 此模型已針對各種常見領域的方言與語音特徵進行預先訓練。 如需支援語言的詳細資訊，請參閱 Speech 服務的語言與語音支援。
DTMF
雙音多頻 (DTMF) 辨識是理解電話按下數字時所產生音調/聲音的程序。 接收端設備會監聽特定音調，並將其轉換為命令。 這些命令通常用於 IVR 情境中的選單導覽以表示使用者意圖；在某些情況下，也可用於擷取使用者需要透過電話鍵盤提供的重要資訊。
DTMF 事件及其對應音調
| 事件 | 音調 |
|---|---|
| 0 | 零 |
| 1 | 一 |
| 2 | 二 |
| 3 | 三 |
| 4 | 四 |
| 5 | 五 |
| 6 | 六個 |
| 7 | 七 |
| 8 | 八個 |
| 9 | 九 |
| A | A |
| B | B |
| C | C |
| D | D |
| * | 星號 |
| # | 磅 |
一般使用案例
Recognize 動作可用於多種原因，以下是開發人員可在其應用程式中使用 Recognize 動作的一些範例。
透過自助式提示改善使用者體驗
- 使用者可以控制通話 - 透過啟用輸入辨識，您可讓來電者在 IVR 選單中導覽並提供資訊，以協助解決其問題。
- 收集使用者資訊 - 透過啟用輸入辨識，您的應用程式可向來電者收集輸入。 這些資訊可能包含帳戶號碼、信用卡資訊等。
- 轉錄來電者回應 - 透過語音辨識，您可以收集使用者輸入並將音訊轉錄為文字，再進行分析以執行特定商務動作。
中斷音訊提示
使用者可以退出 IVR 選單並與真人專員通話 - 透過 DTMF 中斷，您的應用程式可允許使用者中斷 IVR 選單流程，並能與真人專員交談。
在通話中收集使用者輸入的範例架構
在通話中收集使用者輸入的範例架構
已知的限制
- 不支援 In-band DTMF，請改用 RFC 2833 DTMF。
- 文字轉換語音 (TTS) 的文字提示最多支援 4,000 個字元；如果您的提示超過此限制，我們建議在以文字轉換語音為基礎的播放動作中使用 SSML。
- 啟用錄製時，會記錄 1：1 通話的語音輸入，但不會記錄在群組通話中。
- 針對超過語音服務配額限制的案例，您可以遵循此處所述的步驟來要求提高此限制。