基于语音识别的智能质检平台的设计与实现

<正>本文分析了目前客服热线质检方法的局限性，梳理问题解决主要突破口，建设了基于语音识别技术的智能质检系统，有效解决了客服系统的服务检测失实的问题，最大化利用语音资源，减少人员投入，节约质检时间，提升客服系统服务质量，为客户服务热线打造成问题解决中心奠定坚实的基础^[1,2]。     

电信运营商AI客服平台技术研究与应用分析

回顾了客服平台的发展历程，包括第一代交互式话音应答（interactive voice response,IVR）客服、第二代多媒体在线客服和第三代人工智能（artificial intelligence,AI）客服，阐述了每代客服平台的功能特点，介绍了制造业、金融业、交通运输业、通信行业等领域客服系统的功能构建。在此基础上，勾勒了运营商AI客服平台的应用组件，包括智能派单、语音转写、知识推荐、智能质检、智能定责等。运营商采用AI客服平台已成为趋势，未来将融合多种智能技术如大模型（large-scalemodel）、自然语言处理（naturallanguage processing,NLP）、知识图谱等来满足客服需求。     

基于深度学习的多轮对话意图识别技术在运营商的应用实践

本文介绍一种基于深度学习算法的运营商客服多轮对话意图识别技术，采用Ro BERTa模型作为方法的预训练模型，然后以Text CNN作为分类模型进行意图识别任务，创新实现模型组合和应用流程，独创性地对角色特征、文本拼音特征、文本对话特征进行多维度建模，实践证明预测准确率因此能够获得稳定提升。在实现客服实时辅助、智能质检等高端服务能力方面具有较好的技术参考价值，助力提升服务质量，增强客户满意度。     

智能语音技术在热线服务质检中的应用探讨

服务质检是热线服务运营过程中非常重要的一个品质管控环节。传统的客服质检主要依托人工抽检的方式开展,人工抽检模式耗时、费力,质检效率和抽检覆盖面低,且难以迅速发现短板加以改善,难以全面准确把握客户需求抓住商机。智能语音技术应用将客服质检工作变＂听＂为＂看＂,有效提升质检工作效率、扩大质检覆盖范围、有效了解客户真正的来电意图,及时洞悉存在的业务及服务问题、发现客户需求与商机,在降低运营成本的同时提升服务质量。     

农业物联网中多传感器数据智能融合方法研究

针对传统多传感器数据融合方法融合置信度较低的问题,提出一种农业物联网中多传感器数据智能融合方法,利用证据理论对农业物联网中多传感器数据的时空积累信息进行获取,利用获取的时空积累信息建立多传感器数据智能融合模型,通过该模型实现多传感器数据的智能融合。为了验证该方法的融合置信度,将该方法与基于Rough集理论的多传感器数据融合方法、基于数据信息转换的多传感器数据融合方法进行比较,实验结果表明,这三种方法的融合置信度分别是0.965,0.812,0.68。通过对比实验能够证明农业物联网中多传感器数据智能融合方法的融合置信度最高,充分说明了该方法相较于传统多传感器数据智能融合方法更加适用于农业物联网。     

大庆油田客服平台智能化改造技术方案探讨

随着移动互联网技术的发展,云计算、大数据、人工智能、等数字技术的深化应用,传统语音呼叫业务难以满足新时代客服需求,并且随着油田用工老龄化严重,人力成本激增,客服中心接通率、服务满意率也不断下降。为了在提升用户服务体验的同时降低人力成本,结合目前成熟的语音识别技术,开展了智能语音机器人、智能质检等客服平台智能化改造技术方案的应用研究。     

NLP技术在智能语音质检中的应用

在数字化时代,智能语音质检成为企业提升工作效率的重要工具,其中自然语言处理（Natural Language Processing,NLP）技术的应用为智能语音质检提供了技术支持。NLP技术通过情感分析、语义分析等手段,使得质检过程更加高效、准确,并降低了质检成本。基于此,探讨了NLP技术在智能语音质检中的应用优势和具体实现方式。     

基于语音个人特征信息分离的语音转换方法研究

本文在深入研究语音个人特征信息有效表示的基础上,从信息分离角度,提出一种新的利用个人特征信息分离和替换实现语音转换的方法。该方法主要利用语音的稀疏性和K -均值奇异值分解(K-SVD)来实现。由于这种基于K-SVD的字典训练方法可以较好地保存语音信号中的个人特征信息,因此可以利用K-SVD的字典训练方法把语音个人特征信息进行分离并替换,再和语言内容等信息重构出目标语音。相对于传统方法,本方法能够更好地利用语音的稀疏性保存语音个人特征信息,从而可以克服参数映射带来的转换后语音个人特征相似度不高和语音质量下降的问题。实验仿真及主观评价结果表明,与基于高斯混合模型、人工神经网络的语音转换方法相比,该方法具有更好的转换语音质量和转换相似度以及抗噪性。      

具有文本生成功能的智能语音生成系统

智能语音生成系统不仅研究通常的文语转换过程，而且研究文转转换所需文本的生成过程，本文将介绍具有文本生成功能的智能语音生成系统，该系统通过主题选择、文本规划、文本组织、语法实现、文本形成等步骤得到正确的文本，根据怕生成的文本和文语转换实现高自然度及可懂度的语音输出。     

基于隐变量模型的语音转换方法研究

传统语音转换方法利用说话人声音特征映射实现,容易造成过平滑（over-smoothing）和过拟合（over-fitting）问题。本文从语音信号内容与形式分离角度,利用隐变量模型提出了一种全新的语音转换方法。首先利用包含两个隐变量因子的隐变量模型（Latent Variable Model, LVM）建立语音信号的生成模型;然后采用最大似然方法把语音信号分解成表示语义的内容信息和体现说话人特征的形式信息,并估计出模型参数;最后基于LVM生成模型,利用说话人形式替换方法实现语音转换。主、客观测试结果表明,在相同训练集条件下,本文提出的语音转换方法性能明显优于GMM方法,并且隐变量模型和传统的双线性模型（Bilinear Model）相比,由于采用非线性关系描述内容与形式之间的相互作用,因此分离效果更好,语音转换质量更高。      

利用频谱搬移控制语音转换中的共振峰

在研究频谱搬移方法和分析语音共振峰性质及变化规律的基础上,提出了利用频谱搬移调整共振峰的算法,能有效控制共振峰轨迹合成声道模型。讨论了语音转换的实现流程,并将合成的声源模型应用于男、女声之间的转换,实验结果和分析表明,该方法可实现对共振峰的灵活控制,使语音转换具有更高的融合度。     

运营商智慧客服体系化建设

从运营商重要的语音客服热线、微信客服智能化发展出发,首先分析了传统客服面临的问题与挑战,对人工智能技术在客服领域应用的关键技术进行了客观的评估,提出人工智能与运营商客服结合的方向和体系化思考。结合某运营商现网实际情况,针对人工智能与运营商客服结合的关键技术和应用实践进行了剖析研究,推进智能语音客服、微信机器人的应用实践,提出现网改造、能力开放、智能应用体系部署解决方案。最后对人工智能在智慧客服中的应用进行了展望。     

基于声门波分离的预测型语音转换系统

语音转换是一种通过改变源说话人语音的个性特征,同时保留说话者语义信息,并将其转换为具有目标说话人个性特征的语音技术.基于LPC分析合成模型的转换系统是一种经典的语音转换系统,但是它并不能准确的分离激励源和声道参数,因此往往给转换过程带来误差,导致最后合成的语音质量下降.本文就此问题提出一种新的思路,即引入一种自适应的声门波分离技术,用来准确的分离激励源和声道参数.同时用"预测"训练法从声道参数中预测激励波形,避免了人工随意修改激励韵律特性所带来的语音质量的恶化.实验结果表明:本文所提出的改进的语音转换系统无论是在谱转换的精确性上,还是在合成语音质量上,都超过了经典的基于LPC分析合成模型的转换系统.     

基于BP神经网络的耳语音转换为正常语音的研究

提出了一种基于BP神经网络的汉语耳语音转换为正常语音的方法.首先提取正常语音、耳语音的共振峰参数,使用BP神经网络训练出耳语音到正常语音共振峰参数的转换模型;然后根据模型求出与耳语音对应的正常语音共振峰参数,采用共振峰合成的方法将耳语音转换为正常语音.实验结果表明:使用该方法转换的正常语音DRT得分为80%,MOS得分为3.5,在可懂度和音质方面均达到了满意的效果.     

智能客服在运营商中的主要应用场景探讨

文章通过对运营商传统客服、营业厅场景存在的问题进行分析,结合智能客服语音识别、人机对话、智能问答关键技术,对智能呼叫中心、智能客服助手、智能视频客服、营业厅智能机器人场景进行了剖析探讨,提出了基于分层架构场景解决方案。电信运营商运用基于统一接入协议构建各场景下的智能客服及各场景下客户和系统的交互数据回流,进一步促进能力层的演进,形成数据和业务的闭环,可降低人工投入和运营成本支出,最终对运营商效能提升具有深远影响。     

基于直播节目内容的语音切换频道设计

分析了智能电视人机交互的发展,提出了基于直播节目内容的语音切换频道系统设计原则和具体实现方法。该系统通过对智能电视语音控制及与节目信息服务器交互的创新设计,实现了智能电视机基于直播节目的节目内容信息,而非传统的频道号或频道名称进行节目切换,简化了用户查找和切换目标节目的操作,有效提升了智能电视的人机交互体验。     

基于物联网通信与机器学习的智能客服系统研究

当前智能客服系统功能模块的结构多为单向,客服服务效率较低,导致客服服务单元平均耗时延长,为此提出对基于物联网通信与机器学习的智能客服系统的设计与验证研究。根据当前的测定需求及标准,先构建复位电路,接入客服数据+语音收发装置,完成系统硬件的设计;采用多阶的方式,提升客服服务效率,设计物联网多阶通信+机器判定功能模块,与机器学习数据库关联,完成系统软件的设计。最终的系统测试结果表明：根据图4,完成对测试结果的分析：针对选定的5个测试小组,通过三个阶段进行测试,最终得出的客服服务单元平均耗时被较好地控制在0.2s以下,说明在物联网通信技术与学习技术的辅助下,当前所设计的智能客服系统针对性与稳定性更高,具有实际的应用价值。     

语音关键词识别中基于MLP帧级子词后验概率的置信度方法

针对关键词检测系统中HMM模型框架下置信度计算存在的不足,本文提出了基于MLP帧级子词后验概率的置信度方法。与HMM模型框架下利用声学模型得分与语言模型得分进行置信度计算不同的是,该方法在MLP模型框架下直接将其输出的每帧语音类别的后验概率用于关键词置信度的计算,克服了HMM建模时假设每帧语音的声学特征相互独立以及对状态建模时采用有限混元的高斯分布的不足。关键词检出和置信度确认使用两套不同的模型结构,是两个完全独立的过程,便于融合其他的置信度特征。实验结果表明,本文提出的方法优于HMM框架下主流的置信度计算方法,且与其具有较好的互补性。因此本文将两种不同框架下不同的置信度方法进行融合,系统的等错误率(EER)相对提高了11.5%。     

基于LD3320的语音识别系统在家庭电路中的模拟应用

该研究旨在为行动不便的残障人士或者老年人的家居生活提供便利和帮助,使他们能够通过语音识别系统对家用电器、照明系统、门窗开关等实现智能控制。通过查找资料,对比参数、价格、识别率等方面的信息,最终采用了基于LD3320的语音识别系统进行家庭电路控制模拟应用。系统由4部分构成,即:YS-LD语音识别模块、STM32单片机控制单元、LED显示单元、继电器输出单元。LD3320语音识别芯片感应语音——通过STM32单片机运算分析——发出信号——控制继电器——电器工作。经过测试,本套系统的语音辨识率高达90%,无需用户自行建立语音模型及开发语音识别算法,降低了应用开发的技术门槛,有利于推广应用。     

语音情感识别技术在呼叫中心的应用

本文提出将语音情感识别技术运用于呼叫中心的日常工作,以解决录音质检、投诉校准、客户情绪第一时间识别、客服代表服务热情实时提醒等问题。