能聽懂你的語音銀行

馮一萌

在電影《2012》中，一個富翁坐在車上說了一句“engine start”就能把汽車啟動，這就是智能語音技術。車主與汽車之間能實現(xiàn)娛樂互動，無論是聽廣播、聽短信或是查天氣、查股票，一開口，系統(tǒng)就能幫你實現(xiàn)并完成所有過程?，F(xiàn)在，銀行的語音機器人客服也上崗了。

中國工商銀行是國內第一家使用語音云智能呼叫系統(tǒng)的銀行，現(xiàn)在撥打工行的貴賓用戶專線400695588，或者在大連，青島，寧波，廈門四個地區(qū)撥打95588，再也不用在深深的語音菜單中迷失方向了，只要接通后對著電話隨意說出你的想法，比如：“我要查詢余額”，系統(tǒng)就可以自動轉接。

緩解人工壓力

工行的電子銀行語音菜單層級比較深，每個層級隱藏的子菜單更多，大量不想來回按菜單尋找的用戶往往直接撥打人工服務，但與此同時，人工客席的服務壓力越來越大，成本越來越高，這讓工行電子銀行決定謀求改變。

2009年，隨著業(yè)務不斷開展和業(yè)務層級的不斷豐富，工行的這個需求日益迫切，他們希望通過提高自助語音服務使用率，緩解人工客席壓力。這時工行電子銀行部了解到，德意志銀行等幾家國外的銀行已經(jīng)開始使用智能語音呼叫系統(tǒng)。

通過在海外的分支機構、外部的咨詢公司等渠道，工行最終了解到不少外國銀行都使用的是Nuance公司的技術，這是一個今天看來我們并不陌生的公司，因為蘋果公司的Siri使用的就是Nuance的技術，在Nuance的幫助下，這些國外的銀行自助語音服務使用率大大提升。

2010年初，在經(jīng)過復雜的項目技術可行性評測，若干次細化產(chǎn)品設計流程設計之后，工行決定開始智能語音呼叫系統(tǒng)項目，項目初期外包商集中采購階段，包括Nuance在內的幾家行業(yè)內領先的公司都在備選之列，而在綜合考慮之后，工行并沒有選擇Nuance，而是選擇了一家總部在安徽合肥，靠給華為、中興、移動運營商和教育部門提供語音技術的本土公司——科大訊飛。

“語音識別比較復雜，國外公司對中國語音不了解，語音服務上線后還有一個持續(xù)優(yōu)化的過程，優(yōu)化一次需要至少4個月的時間，這就考驗公司的本地化服務能力?！笨拼笥嶏w平臺與嵌入式事業(yè)部產(chǎn)品線經(jīng)理李釗輝認為，這正是科大訊飛最終勝出的關鍵因素。

克服方言阻礙

語音是人類最自然的溝通方式，人們一旦用語音開始跟對方交流了，就會把對方當作一個人，工行正是期望這個系統(tǒng)最終能達到人的水平，但這給科大訊飛帶來的挑戰(zhàn)也顯而易見——用戶會喜歡怎么說就怎么說，機器必須要跟人做得一樣好。

其中，最難克服的就是口音問題。英文發(fā)音腔調口音的問題還算容易解決，但中文的口音問題卻是個相當棘手的難題，很多地區(qū)的方言簡直就跟中文不像一種語系，尤其是一些南方省份的方言識別起來難度非常大，工行要求智能語音系統(tǒng)識別率至少達到80%才能上線，這在當時幾乎是個不可能完成的任務。

科大訊飛投入50個員工專門服務工行這個項目，加上工行總行科技部的相關人員，組成了一支龐大的研發(fā)隊伍，整個系統(tǒng)搭建用時7個月。“科技部研發(fā)的人員都來自中國各個省份，他們故意用自己的家鄉(xiāng)的方言說話做產(chǎn)品評測，大家聚在一起反復測試。”工行電子銀行產(chǎn)品開發(fā)二處高級經(jīng)理李琳說，工行那時非常擔心語音識別率不高會引起人工投訴。

單憑這些人收集語料顯然不夠，科大訊飛還有一個200人的團隊負責收集全國各地的語音語調，這個部門在科大訊飛公司被稱為語音資源部，這個部門通過科大訊飛的APP等渠道收集全國各地的語音識別特征，并不保留原始的語言信息，甚至他們?yōu)榱斯タ四硞€地區(qū)的方言還會在當?shù)卣乙恍W生用方言錄音進行后期分析?？拼笥嶏w計劃建立4000萬用戶的個人音庫，科大訊飛要把這些聲音特征儲存在云端。不管用戶在大眾點評還是攜程上進行語音操作，云那端都知道你說的“撒發(fā)”其實是“沙發(fā)”。

在金融業(yè)的應用中，科大訊飛則要仔細收集用戶說各種各樣金融詞匯的預料，比如：第三方存款等等，還有各種各樣用戶的說法，比如在用戶說“我要轉帳、我想轉帳、轉個賬”等各式各樣的固定說法都能識別出來。

更智能地交互

李釗輝發(fā)現(xiàn)，以前工行雖然提供了很多業(yè)務，但用戶真正用的集中在余額，明細，密碼，轉賬4個業(yè)務中。“在語音導航系統(tǒng)中找到需要的業(yè)務更容易，項目上線后工行進入導航系統(tǒng)后轉人工的比例相對按鍵轉人工比例相對下降10%?！崩钺撦x說。

現(xiàn)在，工行的智能語音系統(tǒng)平均識別率已經(jīng)從80%提升到90%，導航涵蓋的業(yè)務：達到工行80%以上的業(yè)務，之前用戶按鍵系統(tǒng)中需要按鍵交互7-8次的業(yè)務，現(xiàn)在只需要語音交互2-3次即可，平均交互次數(shù)較之前大幅縮短，語音導航系統(tǒng)中用戶的自助服務使用率相對按鍵提升20%。

2011年7月底，工行智能語音系統(tǒng)正式投產(chǎn)上線，工行并不確定用戶是否接受這種聽起來有點酷的電話銀行服務方式，95588在大連、青島這兩個普通話相對較好的地區(qū)做了首批試點。

但問題也隨之而來，工行電子銀行發(fā)現(xiàn)這個項目運行一段時間后用戶首次使用后二次使用率并不高?！拔覀兊臍g迎語好像有點問題?！崩盍照f，比如400695588 貴賓用戶專線的歡迎語是：“我行推出語音識別服務，歡迎您按#進行體驗?！斑@可能讓用戶覺得我們這是一個試驗性質的服務，不是正式上線的東西，我們最近正在研究怎么調整這句歡迎語?！崩盍照f。

目前，運用科大訊飛智能語音系統(tǒng)的銀行不只工行一家，中信銀行的系統(tǒng)今年3月在95558客戶服務呼叫中心正式上線，中信稱之為“智能機器人客服代表CC”，定位為人工助手，性格年輕、活潑、有朝氣。中信銀行稱，與傳統(tǒng)手工按鍵方式相比，這種智能交互方式更貼近人工客戶服務。客戶通過簡單對話，就能完成信息查詢、業(yè)務受理等訴求，縮短了現(xiàn)有的菜單路徑，減少業(yè)務辦理時間。通過實現(xiàn)語音菜單扁平化，解決了因輸入瓶頸導致的自助服務使用難題，有效地提高了系統(tǒng)的自動化服務能力。

科大訊飛更愿意稱自己給銀行提供的這項服務為“語音云”，顧名思義，是采用云計算的方式來執(zhí)行語音操作。在傳統(tǒng)通信計算模式下，語音的處理方式多是通過單個通信終端完成，例如我們熟悉的手機等通信終端；在云計算技術背景下，語音的格式轉換、辨別等操作完全在“云”端執(zhí)行。通俗來說，就是不用鍵盤，不用手寫，只要說話就可以進行網(wǎng)絡搜索、發(fā)短信、發(fā)微博，筆記本電腦、手機等各類信息終端產(chǎn)品都具備了“能聽會說”的功能。

李琳透露，語音云在銀行的應用現(xiàn)在只是一個開始，未來工行會繼續(xù)提高語音識別率，把語音菜單應用到手機銀行用戶辦理業(yè)務中。“請選擇幣種，輸入轉賬金額都能通過語音，還能通過語音識別完全覆蓋按鍵，就像一個真實的人一樣。”