私は voicexml アプリケーションを開発しています。アプリケーションによる応答の最大応答時間を定義することで、パフォーマンスの一部を定義したいと考えています。
アプリケーションは、2 つの仮想ボックスによって実現されるサーバー上にあり、ISDN 接続により呼び出すことができます。
私はいくつかのものを探しています：
- 2 人の人間の間、または音声アプリケーションと人間の間の対話における「通常の」応答時間の長さを説明する「科学的情報源」はありますか?
-->想定できる応答時間は? (たとえば、ユーザーが 2 秒後に「オプション 1」を選択すると、アプリケーションは「オプション 1 を選択しました」と言います。コミュニケーション）
(- 電話網からアプリケーションを呼び出して特別な遅延はありますか?)
前もって感謝します
この情報を示す研究は見たことがありませんが、非常に文脈に即したものになると思います。単純な質問への単純な回答は迅速ですが、複雑で長い回答は間違っています。そして、人間の観点からは、人の反応の速度に影響を与えるあらゆる種類の感情的な反応や社会学的行動があります。
私があなたの目標を正しく理解している場合、IVR（VoiceXMLシステム）が発信者に応答するための最大応答時間を指定する必要があります。
これでさえ状況に応じて変化する可能性があります。マシンがデータを検索する必要がある場合は、さらに時間がかかる可能性があります。私が構築したシステムでは、2秒を超える場合は、お待ちくださいまたはその他の移行メッセージを再生しました。
実際には、システムはかなり応答性があります。適度に反応しないように思われる場合は、問題またはその他のアーティファクトが発生しています。また、機械の場合、通常の人間のオペレーターよりも少し遅れることが予想されます（人間の場合、キーボードの音のように、入力が受け入れられていることをユーザーに知らせる非言語的なノイズもたくさんあります）。
電話ネットワークの遅延については、これ以上はありません。ただし、一部の国際電話や奇妙なルーティングでは、不自然な遅延が発生する可能性があります。
具体的には、2秒では長すぎます。サーバーの遅延があることがわかっている場合は、データが取得されたことを人々に知らせるために、ある種のオーディオキューを追加します。いくつかの店がかわいい（最初の50回）処理音を追加して、ユーザーに自分の音声が認識されたことを知らせているのを見ました。