基于Asterisk的語音識別技術(shù)研究和實(shí)現(xiàn)

陳可新，黃偉民

(福州職業(yè)技術(shù)學(xué)院，福建福州350108)

近年來，隨著用戶信息服務(wù)需求的快速發(fā)展，呼叫中心已經(jīng)在國內(nèi)各行業(yè)得到廣泛的應(yīng)用。傳統(tǒng)的呼叫中心通過IVR(Interactive Voice Response)交互式語音應(yīng)答，以提高呼叫服務(wù)質(zhì)量并節(jié)省費(fèi)用。IVR可以使用戶獲得7X24信息服務(wù)，提高服務(wù)質(zhì)量并協(xié)調(diào)用戶操作過程。但是IVR也使得用戶要面對復(fù)雜、繁冗的系統(tǒng)IVR導(dǎo)航菜單，用戶需要逐層聽取菜單提示，根據(jù)引導(dǎo)逐步按鍵操作才能得到服務(wù)，這容易給用戶造成較差的系統(tǒng)信息服務(wù)體驗(yàn)。同時(shí)，由于用戶不能通過IVR獲取便捷的自助服務(wù)，使人工座席資源大量地耗費(fèi)于簡單、重復(fù)性的勞動中，這將降低呼叫中心整體工作效率。

利用語音傳遞信息是人類最方便、最快捷的一種方式，語音識別技術(shù)(Automatic Speech Recognition，ASR)是機(jī)器通過識別和理解，將語音信號中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，如按鍵、二進(jìn)制編碼或者字符文本序列的技術(shù)。語音識別本質(zhì)上是一種模式匹配識別過程，語音識別過程基本包括語音信號的預(yù)處理、語音的特征提取、訓(xùn)練和識別等組成部分［1］。語音識別技術(shù)在電話信道上的應(yīng)用已成為當(dāng)前通訊領(lǐng)域中最重要的應(yīng)用之一。通過在新一代呼叫中心系統(tǒng)中引入語音識別技術(shù)作為用戶和呼叫中心的交互手段，用戶可以直接使用語音與系統(tǒng)進(jìn)行交互，由此能夠提升用戶的信息服務(wù)體驗(yàn)，提高系統(tǒng)的工作效率。Asterisk軟交換系統(tǒng)是一個(gè)開源的軟件VoIP(Voice over Internet Protocol)解決方案，它在中小型企業(yè)預(yù)算可承受的范圍內(nèi)提供商業(yè)交換機(jī)的功能和伸縮性，基于Asterisk的VoIP解決方案已成為當(dāng)前中小型企業(yè)呼叫中心的首選。

1 語音識別技術(shù)應(yīng)用概述

在企業(yè)呼叫中心系統(tǒng)中通過引入語音識別技術(shù)，可以創(chuàng)建智能化IVR語音導(dǎo)航系統(tǒng)，使系統(tǒng)成為能聽懂自然語言的互動式語音應(yīng)答系統(tǒng)，將傳統(tǒng)的IVR樹形的按鍵操作，轉(zhuǎn)換為扁平化的系統(tǒng)對話，使用戶能直達(dá)業(yè)務(wù)節(jié)點(diǎn)接受服務(wù)。語音識別技術(shù)的應(yīng)用，將使傳統(tǒng)的IVR語音導(dǎo)航菜單扁平化并大大縮短通話時(shí)間，降低IVR業(yè)務(wù)節(jié)點(diǎn)的放棄率，提升用戶服務(wù)體驗(yàn)。通過在人工服務(wù)中應(yīng)用語音識別，能夠?qū)崿F(xiàn)用戶語音的“可視化”，完成用戶需解決問題的詞條及關(guān)鍵字的識別，使輔助座席人員快速地進(jìn)行知識庫知識節(jié)點(diǎn)的搜索匹配，提高系統(tǒng)中座席人員的工作效率和服務(wù)能力［2］。以下將以基于Asterisk的呼叫中心系統(tǒng)為例，說明語音識別在呼叫中心中的應(yīng)用及具體實(shí)現(xiàn)方法。

2 基于Asterisk的語音識別過程

2.1 Asterisk的AGI編程接口簡介

Asterisk是一個(gè)應(yīng)用廣泛、結(jié)構(gòu)明晰、可擴(kuò)展性好的軟交換系統(tǒng)。Asterisk內(nèi)核包含了5個(gè)必要的核心操作模塊和4個(gè)可加載的應(yīng)用接口，5個(gè)核心模塊分別是PBX核心模塊、動態(tài)加載器模塊、實(shí)時(shí)調(diào)度和I/O管理器、編解碼轉(zhuǎn)換模塊和應(yīng)用啟動器模塊。Asterisk的4個(gè)擴(kuò)展接口分別是編碼轉(zhuǎn)換接口、Asterisk通道接口(SIP，IAX等)、擴(kuò)展應(yīng)用接口(AGI，AMI)、文件格式接口。Asterisk的可擴(kuò)展性使其廣泛地應(yīng)用于電話通信的各個(gè)領(lǐng)域［3］。

作為Asterisk與外部交互的主要方式，AGI(Asterisk Gateway Interface)提供給開發(fā)者強(qiáng)大的功能及靈活性。通過調(diào)用AGI接口程序，開發(fā)者可以采用perl、php、C、java等多種編程語言編寫AGI程序與Asterisk交互，程序可以在Asterisk的撥號方案中被調(diào)用。Asterisk與AGI通過標(biāo)準(zhǔn)的輸入輸出流交換信息，Asterisk系統(tǒng)內(nèi)部通過輸入輸出流與外部資源進(jìn)行信息交互，實(shí)際交互過程中Asterisk默認(rèn)給AGI傳送相應(yīng)的輸入變量，AGI程序接收后處理，返回信息給Asterisk系統(tǒng)［4］。

2.2 Asterisk系統(tǒng)用戶語音處理流程

在基于Asterisk系統(tǒng)中進(jìn)行通信應(yīng)用開發(fā)，需要完成相關(guān)應(yīng)用的撥號方案及AGI接口程序設(shè)計(jì)。撥號方案是Asterisk系統(tǒng)的核心，它定義了Asterisk對來話和去話的處理流程，控制系統(tǒng)的呼入和呼出的處理和路由，也是系統(tǒng)配置連接行為的地方。Asterisk啟動后，系統(tǒng)核心將啟動一個(gè)線程監(jiān)聽通道消息，接受并處理通道上的會話請求，當(dāng)Asterisk從一個(gè)通道上收到一個(gè)用戶的呼入連接，Asterisk可從撥號方案中查詢對應(yīng)的通道命令，通道接口負(fù)責(zé)管理呼入者的連接狀態(tài)。撥號方案的每一次執(zhí)行屬于一個(gè)通道(channel)，實(shí)際的交互過程為AGI程序與某一通道進(jìn)行信息交互。

在基于Asterisk的語音識別過程中，系統(tǒng)將在用戶呼入時(shí)在撥號方案中執(zhí)行AGI語音識別程序。用戶通過系統(tǒng)接入號呼入系統(tǒng)，系統(tǒng)提示用戶通過語音輸入提交問題信息，用戶根據(jù)系統(tǒng)提示完成語音問題提交，系統(tǒng)在撥號方案調(diào)用AGI程序錄制用戶語音信息，在把語音轉(zhuǎn)換成系統(tǒng)調(diào)用的語音識別引擎(如Google語音識別引擎)可接收的音頻格式后，將接收到的語音音頻文件提交給語音識別引擎進(jìn)行分析處理［5］。系統(tǒng)語音識別引擎對接收到的用戶語音音頻文件進(jìn)行分析處理，并將分析的結(jié)果文本和語音識別率回送給Asterisk系統(tǒng)。若識別率達(dá)到系統(tǒng)要求則進(jìn)行處理并提供后續(xù)服務(wù)，若未達(dá)到系統(tǒng)要求則提示用戶重新提交語音信息。基于Asterisk的用戶語音信息識別處理流程如圖1所示。

圖1 Asterisk語音識別流程

3 Asterisk語音識別技術(shù)實(shí)現(xiàn)

3.1 支持語音識別的Asterisk撥號方案設(shè)計(jì)

Asterisk系統(tǒng)允許基于AGI接口開發(fā)電信應(yīng)用模塊，通過AGI接口程序，開發(fā)人員可以在電話呼叫的任意階段與Asterisk交互。通過在Asterisk的撥號方案中調(diào)用語音識別AGI應(yīng)用程序，系統(tǒng)允許用戶在呼入系統(tǒng)聽到提示音后采用語音方式與系統(tǒng)進(jìn)行信息交互。支持對用戶語音輸入進(jìn)行識別的Asterisk撥號方案設(shè)計(jì)如下:

exten= ＞ 1235，1，Answer()

exten= ＞ 1235，n，Playback(hello)

;;調(diào)用AGI程序記錄用戶語音信息，并進(jìn)行語音識別

exten= ＞ 1235，n(record)，agi(speech －rec.agi)

3.2 AGI語音識別程序設(shè)計(jì)與實(shí)現(xiàn)

在上述Asterisk的撥號方案中，speech－rec.agi是負(fù)責(zé)實(shí)現(xiàn)用戶語音識別的AGI應(yīng)用程序，可在程序中調(diào)用系統(tǒng)設(shè)置的語音識別引擎，該語音識別引擎可以是系統(tǒng)基于自身業(yè)務(wù)特點(diǎn)的語音識別系統(tǒng)，也可以是通用的語音識別系統(tǒng)，如谷歌、微軟等提供的語音識別系統(tǒng)等。語音識別引擎對系統(tǒng)發(fā)送的語音音頻信息進(jìn)行分析，并將分析后的結(jié)果，即用戶語音信息對應(yīng)的文本返回給Asterisk通道變量，最后在Asterisk的撥號方案中對通道變量中的返回值進(jìn)行分析和處理。

利用Asterisk的RECORD FILE函數(shù)能夠?qū)崿F(xiàn)對電話通道內(nèi)用戶語音信息的錄制，直到接收到DTMF(Dual Tone Multi Frequency)再確認(rèn)結(jié)束按鍵，或者超時(shí)結(jié)束［6］。在用戶語音信息錄制結(jié)束后，可以將用戶語音數(shù)據(jù)封裝，編碼成符合系統(tǒng)要求的音頻文件(如x－flac格式)并提交給語音識別引擎進(jìn)行處理，提交語音信息時(shí)需要事先設(shè)置語音識別引擎的URL地址，將編碼后的音頻文件采用POST方式提交到語音分析引擎的接口地址，下面給出使用perl語言完成的語音信息錄制及音頻文件提交代碼:

最后，將語音識別引擎回送的識別結(jié)果文本和識別率返回到Asterisk的通道變量中，若識別率達(dá)到要求(程序中設(shè)置識別率不低于80%)，則可以對用戶提交的問題進(jìn)行后續(xù)處理，若未達(dá)要求則提示用戶需再次提交語音信息，或采用其它方式與系統(tǒng)進(jìn)行交互。

4 結(jié)語

綜上所述，本文簡要地分析了當(dāng)前呼叫中心系統(tǒng)中傳統(tǒng)IVR語音導(dǎo)航存在的問題，介紹了語音識別技術(shù)在呼叫中心智能IVR導(dǎo)航系統(tǒng)中的作用，對利用Asterisk的AGI編程接口開發(fā)語音識別功能的原理和過程進(jìn)行闡述，并給出基于Asterisk調(diào)用語音識別引擎實(shí)現(xiàn)用戶語音識別的詳細(xì)實(shí)現(xiàn)過程。系統(tǒng)通過對呼叫中心呼入用戶的語音信息進(jìn)行錄制、分析及轉(zhuǎn)換，使用戶采用更加靈活、人性化的方式與系統(tǒng)進(jìn)行信息交互，較好地提升了用戶信息服務(wù)體驗(yàn)，并提高了基于Asterisk的呼叫中心座席資源的工作效率。

［1］劉榮輝，彭世國，劉國英.基于智能家居控制的嵌入式語音識別系統(tǒng)［J］.廣東工業(yè)大學(xué)學(xué)報(bào)，2014(2):49－53.

［2］劉向宇.探討語音識別在智能客服系統(tǒng)中的應(yīng)用［J］.中國新通信，2014(6):79.

［3］張平波，高承志.基于Asterisk的VoIP軟電話系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］.信息化研究，2013(4):35－39.

［4］劉志偉，余金山.基于Trixbox電話語音通知系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］.計(jì)算機(jī)與數(shù)字工程，2010(2):148－151.

［5］張巍，賈玉輝，張志楠.一種語音識別的可定制云計(jì)算方法［J］.中國海洋大學(xué)學(xué)報(bào):自然科學(xué)版，2014(1):112－117.

［6］Leif Madsen，Jim Van Meggelen，Russell Bryant.Asterisk:The Definitive Guide，Third Edition［M］.O’Reilly，2011:475 －488.