Konuşma Yapan Kalemde Konuşma Yapay Zekası ve Diyalog Yönetimi: OEM Sesli Ajanları Tutarlı Kalmayı Nasıl Sağlar

Hedef Kitle: Bu makale, bir SmartReadingPen OEM/ODM okuma kalemi üzerindeki çok turlu ses deneyimini değerlendiren — özellikle bir kalemin en az 5 tur boyunca bağlamı kaybetmeden tutarlı bir konuşma sürdürüp sürdüremediğini ve diyalog yönetimi tercihlerinin sınıf içi sonuçlara ve birim maliyete nasıl yansıdığını inceleyen — ed-tech şirketlerindeki, yayınevlerindeki ve ithalat distribütörlerindeki teknik ürün sahipleri için yazılmıştır.

Okuma kalemi artık tek seferlik "dokun ve dinle" cihazı değildir. Q6, Q8 ve T2 firmware'lerinde (sırasıyla 3.3.1 / 3.3.1 / 2.6.4) bir öğrenci şunu diyebilir:

"Fotosentez ne demek?" → kalem tanımını verir. "Bana bir örnek verebilir misin?" → kalem mevcut kitaptan bağlamla ilgili bir cümle okur. "Bunu test et" → kalem çoktan seçmeli bir soru oluşturur. "Daha kolay yap" → kalem 4. sınıf kelime hazinesine geçer. "Cevabı sesli oku" → kalem doğru seçeneği TTS ile seslendirir.

Beş tur, dört bağlam değişimi, tek kalıcı diyalog durumu. Diyalog yöneticisini yanlış kurarsanız, kalem üçüncü turda sanki ilk turmuş gibi yanıt verir. Doğru kurarsanız, aynı kalem tek turlu rakiplere kıyasla perakende satışlarda %35'lik bir primi haklı çıkarır.

Bu belge, diyalog yönetimi yığınımıza — durum izleyici, politika ağı, geri dönüş kuralları ve bir okul bölgesi pilot uygulamasına verdiğimiz kesin kabul kriterleri — ilişkin mühendislik brifingidir.

1. Diyalog Yönetimi Neden NLU'dan Farklıdır

NLU niyet sınıflandırması şunu kararlaştırır: kullanıcı ne söyledi. Diyalog yönetimi ise şunu kararlaştırır: sistem şimdi ne yapmalı — bunu (a) mevcut NLU çıktısı, (b) önceki turlar, (c) cihaz durumu (mevcut kitap, mevcut dil, mevcut sınıf) ve (d) kullanıcı profili (okuma seviyesi, disleksi uyarlama bayrağı) göz önüne alarak yapar.

Bir okuma kalemi diyalog yöneticisi tamamen cihaz üzerinde çalışmak zorundadır. Bunun üç nedeni vardır:

• Gecikme. Buluta yönlendirilen 5 turluk bir konuşma, 200 ms NLU gecikmesinin üzerine tur başına 250–600 ms ekler ve 350 ms'lik tavanı aşar.
• Gizlilik. Reşit olmayanların ses kayıtları COPPA, GDPR-K, PIPL ve LGPD kapsamında açık ve doğrulanabilir bir izin olmadan üçüncü taraf bulutuna iletilemez.
• Çevrimdışı dayanıklılık. Brezilya'da bir eyalet okulundaki 12.000 birimlik okul dağıtımı sınıf Wi-Fi'ına bağlı kalamaz.

2. Üç Katmanlı Diyalog Mimarisi

Our firmware runs a layered dialogue manager that we call RDM-DM (Reading-pen Dialogue Manager — Okuma Kalemi Diyalog Yöneticisi) adını verdiğimiz katmanlı bir diyalog yöneticisi çalıştırır:

DST, yuva düzeyinde bir pointer ağına sahip yinelenen bir BERT-small kodlayıcısıdır. Politika, 84.000 simüle edilmiş diyalog ve NLU brifingimizde açıklanan aynı çocuk kohortundan toplanan 6.200 insan kaynaklı diyalog üzerinde Yakın Politika Optimizasyonu ile eğitilmiş 2 katmanlı bir Transformer'dır..

3. 24 Yuvadan Oluşan İnanç Durumu

The DST maintains a probability distribution over 24 diyalog yuvası üzerinde bir olasılık dağılımını korur. Bunların on ikisi içerikten bağımsızdır (örn. current_grade, voice_speed, tts_voice, language_pair); on ikisi içeriğe bağlıdır (örn. current_book_id, mevcut_bölüm, mevcut_kelime_id, oturum_quiz_skoru).

Her turda bir inanç durumu şu bilgiyle güncellenir: 12 yerel dilde 0,91 ortalama yuva doğruluğu, 24 yuva için ortalama Brier skorunun 1 − değeri olarak ölçülür. DST ayrıca şunları da gerçekleştirir: ellipsis çözümlemesi ("daha yavaş oku" önceki değeri devralır tts_hızı ve günceller) ve eşgönderge çözümlemesi ("şununki ne?" ifadesi şuna işaret eder: son_kelime).

4. Politika Ağı ve Eylem Uzayı

Politika ağı şunların üzerinde bir dağılım çıktısı verir: 38 sistem eylemi, bunlar dahil:

• tts_kelime_okuma, tts_cümle_okuma, tts_sayfa_okuma
• sözlük_sorgu, şuna_çeviri, quiz_sonraki, quiz_tekrar
• hız_ayarla, ses_ayarla, seviye_ayarla, dil_ayarla
• kitap_aç, kitap_sonraki_sayfa, kitap_önceki_sayfa, kitap_kapat
• clarify_ask_back, clarify_offer_options, fallback_help

En yüksek posterior'a sahip eylem, sert bir güvenlik filtresi aracılığıyla dispatch edilir; bu filtre ebeveyn kontrol PIN'ini değiştirecek, COPPA bayraklarını devre dışı bırakacak veya firmware bölgesini kimlik doğrulaması olmadan değiştirecek her türlü eylemi engeller.

Politika, aşağıdakileri birleştiren özel bir ödül ile eğitilir:

• Görev başarısı (kullanıcı hedefi 5 tur içinde gerçekleştirilirse +1.0)
• Tur verimliliği (gerekli minimumun ötesinde her tur için −0.05)
• Gecikme cezası (250 ms üzerinde her ms için −0.001)
• Güvenlik bonusu (hiçbir güvenlik kuralı tetiklenmezse +0.2)

Bu ödül, 6 yaşında, 9 yaşında ve 12 yaşında bir çocuğu, her biri üç gürültü profiliyle (gürültüsüz, sınıf gürültüsü, ev ortamı gürültüsü) taklit eden bir kullanıcı simülatörü tarafından üretilen 84.000 simüle diyalog üzerinde hesaplanır.

5. Doğada Çok Turlu Tutarlılık

2023'ten bu yana gönderilen 47.000+ ünite genelinde, çok turlu tutarlılığı sistemin 5 tur içinde en az bir elips veya coreference'ı doğru çözduğü diyalogların oranı olarak ölçtük. 12 aylık kayan ortalama, en-US için %89,4, zh-CN için %86,2, de-DE için %84,7'dir.

6. Hata Kurtarma ve Netleştirme Stratejileri

Bir yanlış anlamadan kurtulamayan konuşma ajanı, bir sınıfta işe yaramaz. Politikamız bir 3 katmanlı netleştirme kaskadı:

1. ile gelir— kullanıcının isteğini geri tekrarlayın ("Daha yavaş okumamı mı istiyorsunuz, değil mi?) ve devam edin.
2. Açık netleştirme— evet/hayır ayrımı yapan bir soru sorun ("'İspanyolcaya çevir' mi yoksa 'Fransızcaya çevir' mi demek istediniz?")
3. Açık geri dönüş— olası niyetlerin yer aldığı, sesli okunan en iyi 3 menüsünü sunun ("Bu kelimeyi okuyabilirim, çevirebilirim veya size soru sorabilirim. Hangisini istersiniz?")

— olası niyetlerin en iyi 3'lük menüsünü sesli olarak sunun ("Bu kelimeyi okuyabilir, çevirebilir veya size soru sorabilirim. Hangisini?")Kaskad, politika çıktısındaki bir güven eşiğiyle tetiklenir: p ≥ 0,65 ise örtük, 0,40 ≤ p < 0,65 ise açık netleştirme, . 12 yerelleştirmemiz genelinde, geri dönüş oranı ortalama %4,1 oranına ulaşırturların %4,1'i olup en yüksek oran, bileşik isim belirsizliği nedeniyle (%6,8) bileşik isim belirsizliği nedeniyle.

'dedir (%6,8).Alıcı tavsiyesi: Numune talep ettiğinizde, hedef sınıf gürültüsünde en az 20 çok turlu diyalog kaydedin ve kalemin ne sıklıkta netleştirme istediğini sayın. %8'in üzerindeki netleştirme oranı 7 yaşındaki çocukları hayal kırıklığına uğratır ve iadeleri artırır.

7. Cihaz Üzerindeki Ayak İzi ve Pil Etkisi

Tüm diyalog yöneticisi — DST, politika ve şablonlar — firmware imajına 7,5 MB ekler. INT8 nicemlemesi zorunludur; FP32, Q8 NAND bütçesini 256 MB'den 312 MB'ye çıkarır ve bir kart yeniden dizaynı gerektirir. P95 (38 ms) nominal gecikmede sürekli çok turlu diyalog, Q8'in 1.000 mAh pilinden 31 mWQ8'in 1.000 mAh pilinden farklı olarak, yalnızca 480 mW TTS oynatma gücüne kıyasla ihmal edilebilir düzeydedir. 30 dakikalık bir konuşma oturumu yaklaşık olarak %6 pil, normal okuma için derecelendirilmiş 7,0 saatlik ses çalma süresi korunur.

8. Bulut Olmadan Kişiselleştirme

Her kalemde bir adet kullanıcı profili saklar. Profil şunları içerir:

• Okuma seviyesi (quiz doğruluğundan otomatik algılanır, K–12 aralığı)
• Disleksi uyarlama işareti (ebeveyn tarafından yardımcı uygulamada ayarlanır)
• Tercih edilen ses ve hız (kullanıcı set_speed komutunu 3+ kez verdiğinde güncellenir)
• 30 günlük oturum kaydı (son 200 diyalog turu, yerel olarak hash'lenmiş)

Profiller, açık ve imzalı ebeveyn onayı olmadan asla yüklenmez. Varsayılan davranış yalnızca yereldir. Bu, GDPR uyum belgemiz kapsamında sözleşmeye bağlı bir taahhüttür ve COPPA ebeveyn kontrolleri özelliğinde de yer alır.

9. Yayıncılar ve Markalar için OEM Özelleştirme Yolu

Bir yayınevi ortak markalama veya eğitici oyuncak markası genellikle markalı diyalog şablonları ister: "Merhaba, ben Galaxy Books'tan Kaptan Comet. Neyi keşfetmek istersin?" Özelleştirme seçenekleri:

Bu fiyatlar, özel kalıplar için minimum sipariş adedi 3.000 birim ve özel etiket için 5.000 birim olan toptan okuma kalemi ana sözleşmesinin bir parçası olarak teklif edilir. Başlangıçtan seri üretime kadar olan teslim süresi, 14 günlük sınıf içi pilot uygulama ve 7 günlük kırmızı ekip testi dahil özel bir diyalog akışı için 75 günözel bir diyalog akışı için, 14 günlük sınıf içi pilot test ve 7 günlük kırmızı takım testi dahildir.

10. İmza Atmadan Önce Doğrulamanız Gerekenler

"Konuşma tabanlı yapay zeka" iddiasında bulunan her okuma kalemi tedarikçisi için pazarlık edilemez beş mühendislik kontrolü:

1. Uçtan uca cihaz üzerinde mi?Pilot sırasında bir ağ kesme testi talep edin. Diyalog durursa, buluta bağımlıdır.
2. Çok turlu tutarlılık metriği.En az 1.000 diyalogdan oluşan bir test setinde yerel ayara göre 5 turlu tutarlılık sayısını isteyin. %80'in altı sınıf kullanımına uygun değildir.
3. Yük altında gecikme.Arka planda TTS çalarken bir Q6 veya Q8 üzerinde P95 gecikmesini ölçün. 350 ms'nin üzerinde çocuklar sabırsızlanır.
4. Geri düşme oranı.en-US için %5'in altında, en zayıf yerel ayarda %7'nin altında.
5. Profil taşınabilirliği.Bir çocuk profilini yardımcı uygulama aracılığıyla yeni bir kaleme taşıyabilir mi, yoksa profil cihaza kilitli mi? ortak cihaz filolarına, cevap önemlidir.

İlgili Okumalar

• Okuma Kalemi NLU Niyet Sınıflandırma ve Yuva Doldurma
• Okuma Kalemi Uyandırma Sözcüğü Algılama ve Sürekli Dinleme
• Okuma Kalemi ASR Otomatik Konuşma Tanıma
• Okuma Kalemi Çevrimdışı Çeviri Motoru ve Doğruluk
• Okuma Kalemi Kullanım Senaryosu Aile Yatmadan Önce Hikaye
• Okuma Kalemi Kullanım Senaryosu Yayınevi Ortak Marka

11. Üretim Ayak İzi & Fabrika Geçmişi

Diyalog yöneticisi modülü — DST, politika ağı, yanıt şablonları ve şifrelenmiş kullanıcı profili — Shenzhen Longhua ve Dongguan Houjie üretim hatlarımızda flash'lanan tüm SmartReadingPen OEM/ODM okuma kalemi firmware görüntülerine entegre edilmiştir. Her iki hat ISO 9001 ve ISO 14001 sertifikaları altında faaliyet göstermekte olup tüketici elektroniğine uyarlanmış IATF 16949 tarzı süreç kontrol disiplinini uygulamaktadır. Günlük çıktı ortalaması günde 6.800 bitmiş ünite olup Eylül 2025 okula dönüş yoğunluğu sırasında vardiye başına 11.400 ünite zirve değerine ulaşmaktadır. 7,5 MB boyutundaki diyalog modülü, her soğuk önyüklemede manifest'e karşı SHA-256 ile doğrulanan imzalı bir firmware bölümünde bulunur; başarısız bir kontrol, kalemi ikincil NAND düzlemindeki altın görüntüden yeniden flash'lama yapan kurtarma moduna geçirir. B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2 ve Y6 SKU'ları, FCT istasyonunda cihaz başına eritilen AES-128-XTS anahtarlarıyla gönderilir, böylece her kullanıcının inanç durumu dışa aktarılamayan benzersiz bir anahtara bağlanır. Seri üretimde ilk geçiş verimi, AQL II seviyesinde (Kritik 0, Majör 1,0, Minör 2,5) ortalama %98,6'dır. Üretim programı, standart SKU'lar için talep edilen sevkiyat tarihinden 75 gün önce, özel kalıp veya markalı diyalog akışı için ise 105 gün önce rezerve edilebilir. Bir üretim yuvası ayırtmak veya örnek bir diyalog akışı önizlemesi talep etmek için program yönetimi ekibimiz bir iş günü içinde yanıt verir.

12. 47 Ülke Genelinde Sertifika Kapsamı

Diyalog yöneticisi taşıyan her kalem, hedef pazarla eşleşen bir sertifika portföyüyle gönderilir: CE (RED/EMC/LVD), FCC Part 15, UKCA, EN 71-1/2/3, ASTM F963, CPSIA/CPC, RoHS, REACH, PSE (Japonya), KC (Kore), GCC/SFDA (Suudi Arabistan), SNI (Endonezya), NOM (Meksika), INMETRO (Brezilya), RCM (Avustralya/Yeni Zelanda), NRCS LOA (Güney Afrika) ve ESMA/TIS (BAE/Tayland). Pil sevkiyatı UN38.3 ve IEC 62133 ile birlikte MSDS belgeleri; veri koruma, GDPR, COPPA, PIPL, LGPD, Tayland PDPA ve Kaliforniya Prop 65 kapsamında dokümante edilmiştir. Diyalog yöneticisinin kendisi, ses veya inanç durumunu cihaz dışına iletmez; bu da doğrulanabilir COPPA ve GDPR-K veri minimizasyonu kanıtı gerektiren okul bölgesi tedarik döngüleri için en güçlü uyumluluk varlığıdır. Mevcut 47 ülkelik kapsamın dışındaki yeni yargı bölgeleri için her bir yerelleştirmeye yönelik yeni bir dosya, yerel başına 1.800 $ karşılığında ve 15 iş günü teslim süresiyle hazırlanır; çoklu ülke lansmanları için toplu dosya paketleri ise teklif iste başvurusu üzerinden fiyatlandırılır.

13. OEM Fiyatlandırma ve Teslim Süresi Referansı

Diyalog yöneticisi, 11 üretim SKU'su genelinde fabrika fiyatı birim başına $3,80–$14,5011 üretim SKU'su genelinde. Kademe bantları: alt uçta giriş seviyesi P2 (500 mAh), $5,40–$8,60 orta bant B1/B2/F8/K7/KF1, $7,20–$10,40 orta bant L5/P2/Q6 ve $11,80–$14,50 premium Q8/T2/Y6 daha büyük NAND ve pil ile. Özel markalı karşılama sesleri 1.200 $ NRE karşılığında ve herhangi bir royalti olmaksızın sağlanır; özel niyetler 2.400 $ NRE ve birim başına 0,04 $ ek olarak, özel 8 adımlı diyalog akışları 8.500 $ NRE ve birim başına 0,08 $ ek olarak sunulur; prozodi hattımızla) başlangıç fiyatıyla 18.000 $ NRE karşılığında ve birim başına 0,25 $ royalti ile başlar. MOQ kademeleri: stok nötr için 500 adet, özel renk için 1.000, özel serigrafi logosu için 3.000, perakende ambalajlı tam özel marka için 5.000 adet. Standart teslim süresi, sipariş onayından fabrika çıkışına kadar 75 gün olup, 10.000 adedin üzerindeki siparişler için 45 günlük hızlandırılmış şeritler %12 hızlandırma ücretiyle sunulmaktadır. Ödeme koşulları: T/T 30/70, L/C görüldüğünde, tekrar eden alıcılar için OA ve numune siparişleri için PayPal.

14. 47.000'den Fazla Sevkiyattan Elde Edilen İç Doğrulama Metrikleri

2023'ten bu yana 47 ülkede konuşlandırılan 47.000'den fazla birimin ardından diyalog yöneticisi 2,4 milyon diyalog oturumu ve 11,4 milyon tekil adım kaydetmiştir. En sık tetiklenen eylem, adımların %38,2'siyle tts_read_word olup, bunu translate_to (%22,7), dict_lookup (%14,1), quiz_next (%9,4), set_speed (%5,8) ve book_next_page (%4,3) izlemektedir. Kalan %5,5, aralarında clarify_ask_back, fallback_help, ve pair_device. Ortalama oturum uzunluğu 6.2 tur ve 95. yüzdelik uzunluk 11.4 tur. Açık bir stop veya close_bookeylemi olmadan sona eren turların oturum terk oranı) %3,8 olup, bunun çoğunluğu diyalog sırasında bir ebeveyn veya kardeşin kalemi eline almasından kaynaklanmaktadır. toptan okuma kalemleri ana sözleşmesi, 11 SKU kapsamında bugüne kadar 86 firmware sürümünü kapsamaktadır; mevcut sürüm haritası: B1/B2 2.4.7, F8 3.1.2, K7/KF1 1.9.5, L5 4.2.0, P2 2.0.3, Q6/Q8 3.3.1 ve T2/Y6 2.6.4.

15. Mühendislik Alıcısı İçin Çıkarımlar

OEM/ODM diyalog yöneticisi satın alımı için beş temel kural:

1. Ana satın alma emrinden (PO) önce mutlaka 30 cihazlık / 14 günlük pilot çalışması yürütün. Pilot verileri, gerçek geri dönüş (fallback) oranını (en-US temelinde %4,1) ve içerik setinizdeki gerçek tutarlılık (coherence) rakamını ortaya koyar.
2. Başlangıçta maksimum oturum tur sayısını belirleyin. Varsayılanımız, inanç durumu (belief-state) sıfırlaması öncesinde 12 turdur; daha uzun oturumlar slot kayması riskini artırır.
3. Firmware kilidi öncesinde yayın ekibiyle şablon metinlerini sabitleyin. Firmware 3.x sonrasında yapılan bir şablon değişikliği, sahadaki tüm cihazlara yeniden OTA ile gönderildiğinde birim başına 0,08 $ ek maliyet getirir.
4. Uyumluluk ekibimizle güvenlik kuralı incelemesi için 5 iş günü ayırın. Ebeveyn PIN'i, COPPA bayrağı ve bölge kilidi güvenlik kuralları pazarlığa kapalıdır ve OEM talebiyle devre dışı bırakılamaz.
5. Herhangi bir diyalog akışı değişikliğinin ilk OTA dağıtımı için %5 kanarya (canary) kohortu planlayın. Kanarya grubu, politika regresyonlarını tüm filoya ulaşmadan önce yakalar.