定義
留守番電話検出（AMD）とは、発信した通話に出たのが人か、留守番電話などの機械かを判定する工程です。判定は最初の数秒の音声から行うため、推定にすぎません。
留守番電話検出の仕組み
通話には「これは機械です」と伝える信号がありません。システムは通話がつながった後の音声から推測します。人は通常「もしもし？」のような短いあいさつを言い、そのあと返事を待って黙ります。留守番電話のあいさつはより長く、返事のための間がなく、最後にビープ音が鳴ります。検出器は、最初の発話の長さ、その後の無音、話し方のパターン、ビープ音の有無を見ます。通信事業者が通話上のサービスとして検出を提供している場合もあります。ほかには、音声ストリームに自前の分類器をかけるシステムもあります。
誤りは2種類あり、コストが異なります。人を機械と判定すると、エージェントは目の前にいる人にメッセージを残したり、電話を切ったりしかねません。機械を人と判定すると、エージェントはあいさつに重ねて最初の一言を話し始め、留守番電話には文の途中までしか録音されず、通話時間が無駄になります。判定までの待ち時間を延ばすと精度は上がりますが、実際の人が聞く無音も長くなります。
音声エージェントにとって重要な理由
電話をかける人間なら、留守番電話のあいさつを聞いてすぐに切るか、メッセージを残します。音声エージェントは、電話側の仕組みか自前の聞き取りで教えてもらう必要があります。検出がないと、エージェントはあいさつの間ずっと話し続けたり、来ない返事を待ったりした末に、ビープ音に重ねて話すことになります。
Cartesia Managed Agentsには、留守番電話検出のツールがあります。有効にすると、留守番電話を検出し、設定したメッセージ（最大1,000文字）を話して通話を終了します。メッセージを残さない設定も選べます。
メッセージ自体にも注意が必要です。録音メッセージを残すエージェントは、AI生成の音声で電話をかけていることに変わりはなく、TCPAのような同意に関する規則が適用される場合があります。メッセージを残すと決める前に、弁護士に相談してください。
例
予約リマインダーの例です。通話がつながり、エージェントは1.5秒待ちます。9秒のあいさつとそれに続くビープ音が聞こえます。通話を留守番電話と判定し、クリニックの電話番号を含む15秒のメッセージを話して通話を終了します。相手が人であれば、通常の最初の一言を話し始めていたはずです。