基于Matlab的語(yǔ)音情感特征值研究

李文琴， 尚雨琪， 張 巍

(西安科技大學(xué) 管理學(xué)院， 西安 710054)

0 引 言

客戶(hù)滿(mǎn)意度理論已逐漸成為現(xiàn)代經(jīng)營(yíng)思維或營(yíng)銷(xiāo)實(shí)踐中的重要中心理論之一[1]。雖然客戶(hù)傳統(tǒng)上被視為企業(yè)服務(wù)和產(chǎn)品消費(fèi)的接受者或消費(fèi)者，但是企業(yè)家和一些學(xué)者們都認(rèn)同企業(yè)需要與客戶(hù)建立更多的合作關(guān)系[2]。不僅如此，人們也開(kāi)始逐漸意識(shí)到自身與企業(yè)之間的關(guān)系性質(zhì)正在發(fā)生著某些變化。企業(yè)若要實(shí)現(xiàn)自身的優(yōu)勢(shì)性經(jīng)營(yíng)從而提升在市場(chǎng)中的競(jìng)爭(zhēng)力，則需要發(fā)現(xiàn)和消除客戶(hù)滿(mǎn)意度低的根源，更加重視客戶(hù)滿(mǎn)意度的影響作用。與此同時(shí)，客戶(hù)滿(mǎn)意度的提升也促進(jìn)了企業(yè)利潤(rùn)的提升[3]。網(wǎng)絡(luò)購(gòu)物與傳統(tǒng)的商業(yè)模式有著很大的不同，其客戶(hù)滿(mǎn)意度受諸多因素的影響，通常較低。網(wǎng)絡(luò)購(gòu)物的客戶(hù)滿(mǎn)意度受商家服務(wù)態(tài)度的影響較大，而且客服語(yǔ)音對(duì)話(huà)中常常充斥著各種矛盾，雙方情緒的不協(xié)調(diào)和不穩(wěn)定更是加劇了矛盾的升級(jí)。因此，對(duì)于電商來(lái)說(shuō)，在現(xiàn)有的客服語(yǔ)音服務(wù)系統(tǒng)中建立語(yǔ)音分析系統(tǒng)有助于企業(yè)在提高自身服務(wù)感知的同時(shí)便于信息的統(tǒng)計(jì)。

基于此，以我校京東校園實(shí)訓(xùn)中心作為研究對(duì)象，進(jìn)行實(shí)地調(diào)研來(lái)深入了解其客服語(yǔ)音服務(wù)的現(xiàn)狀。通過(guò)文獻(xiàn)閱讀以及資料搜查，并結(jié)合實(shí)訓(xùn)中心自身的特點(diǎn)，建立了分析客服服務(wù)語(yǔ)音錄音的Matlab程序編程。量化客服語(yǔ)音情感值得到與之相對(duì)應(yīng)的最大值、最小值與均值，便于研究語(yǔ)音差值、語(yǔ)音均值和客戶(hù)滿(mǎn)意之間的關(guān)系。

1 語(yǔ)音信號(hào)預(yù)處理

在對(duì)語(yǔ)音信號(hào)特征采集之前不可避免地需要對(duì)語(yǔ)音信號(hào)進(jìn)行預(yù)處理來(lái)方便后續(xù)語(yǔ)音信號(hào)的采集處理工作。其目的不僅在于對(duì)傳輸或儲(chǔ)存的語(yǔ)音信號(hào)重要特征參數(shù)的提取，也在于對(duì)特征參數(shù)的運(yùn)算處理來(lái)達(dá)到某種用途要求[4]。

1.1 采樣和量化

人類(lèi)的語(yǔ)音信號(hào)不管在時(shí)間上還是在振幅上都是連續(xù)的模擬信號(hào)，而計(jì)算機(jī)處理的音頻數(shù)據(jù)只能是時(shí)間和振幅都是離散的數(shù)字信號(hào)。因此，就需要把語(yǔ)音信號(hào)進(jìn)行采樣和量化來(lái)實(shí)現(xiàn)計(jì)算機(jī)處理的需求，這個(gè)過(guò)程即語(yǔ)音信號(hào)的數(shù)字化。

根據(jù)國(guó)際電報(bào)電話(huà)咨詢(xún)委員會(huì)(Consultative Committee for International Telegraph and Telephone，CCITT)提出的 G.711標(biāo)準(zhǔn)[5]，提倡語(yǔ)音信號(hào)的采樣頻率選擇8 kHz或者16 kHz。與英語(yǔ)發(fā)音相比，漢語(yǔ)發(fā)音時(shí)的音節(jié)轉(zhuǎn)換相對(duì)比較緩慢，鑒于此，選取8 kHz為本文所用的語(yǔ)音采樣頻率。

1.2 短時(shí)加窗處理

人們?cè)诎l(fā)音時(shí)其共振峰的位置以及口腔形狀也在不斷地發(fā)生著變化，這些因素也都會(huì)對(duì)語(yǔ)音信號(hào)的采集產(chǎn)生影響。那么，所得到的語(yǔ)音信號(hào)即為在時(shí)間上不斷發(fā)生變化的非穩(wěn)定信號(hào)，而現(xiàn)行的語(yǔ)音數(shù)字處理技術(shù)并不能直接對(duì)其進(jìn)行轉(zhuǎn)換分析。但是，人們發(fā)音時(shí)口腔肌肉的變形相對(duì)比較緩慢。相對(duì)于語(yǔ)音信號(hào)頻率的變化，口腔肌肉的變形頻率就小很多了。一般認(rèn)為在10～30 ms之間的這一段時(shí)間內(nèi)[6]語(yǔ)音信號(hào)的參數(shù)基本上是相對(duì)穩(wěn)定的，則認(rèn)為該時(shí)間段內(nèi)，緩慢的口腔肌肉形狀變化可以忽略不計(jì)，視其為固定口型，不計(jì)其對(duì)語(yǔ)音信號(hào)產(chǎn)生的影響。

通常一幀的持續(xù)時(shí)間大致為10～30 ms，該段持續(xù)時(shí)長(zhǎng)即為幀長(zhǎng)。幀長(zhǎng)不僅會(huì)對(duì)信號(hào)的濾波作用產(chǎn)生影響，同時(shí)也會(huì)對(duì)后續(xù)基音周期的計(jì)算產(chǎn)生著某種影響作用[7]?，F(xiàn)有計(jì)算基音的方法中，不管是小波變換法還是自相關(guān)分析法，所選取的最優(yōu)幀長(zhǎng)均為20 ms[8]。對(duì)語(yǔ)音信號(hào)來(lái)說(shuō)，無(wú)論是時(shí)域分析還是頻域分析，都需要按幀對(duì)語(yǔ)音信號(hào)進(jìn)行分解處理。實(shí)現(xiàn)語(yǔ)音信號(hào)的分解，并成為間隔開(kāi)來(lái)的短時(shí)平穩(wěn)信號(hào)，需要窗函數(shù)持續(xù)平穩(wěn)地在語(yǔ)音信號(hào)上滑過(guò)。語(yǔ)音信號(hào)在每幀間隙處會(huì)有突變情況的產(chǎn)生，為了避免產(chǎn)生過(guò)大突變，就需要采用前一幀函數(shù)與后一幀函數(shù)交疊的方式來(lái)對(duì)這種突變進(jìn)行平緩處理。該交疊的部分即為幀移，表示每幀窗函數(shù)相對(duì)于前一幀窗函數(shù)所前進(jìn)的距離。同時(shí)，幀長(zhǎng)一般為窗長(zhǎng)的一半[9]。幀長(zhǎng)與幀移間的關(guān)系如圖1所示。

圖1 幀長(zhǎng)與幀移關(guān)系圖示

(1) 窗口形狀的選擇。不管是矩形窗函數(shù)還是漢明窗函數(shù)，都是目前最常用的窗函數(shù)，其中， 矩形窗形狀可以表示為：

(1)

式中：N為采樣點(diǎn)個(gè)數(shù)(一幀內(nèi))；n為當(dāng)前采樣點(diǎn)的排序。

由式(1)可以得出，矩形窗函數(shù)將語(yǔ)音信號(hào)一幀內(nèi)所有的語(yǔ)音信號(hào)值均視為等同，并沒(méi)有突出語(yǔ)音信號(hào)之間的變化趨勢(shì)。

漢明窗形狀可以表示為：

(2)

對(duì)比式(1)和式(2)可以得出，漢明窗函數(shù)不同于矩形窗函數(shù)，并沒(méi)有忽略語(yǔ)音信號(hào)之間的變化趨勢(shì)，而是將信號(hào)進(jìn)行區(qū)別對(duì)待。

通常來(lái)說(shuō)，窗函數(shù)的作用是為了方便語(yǔ)音信號(hào)的低通濾波處理[10]。只是不同的窗函數(shù)的窗口形狀也不同，所以對(duì)語(yǔ)音信號(hào)進(jìn)行的濾波處理所產(chǎn)生的效果也就截然不同[11]。表1為1s時(shí)間內(nèi)矩形窗函數(shù)參數(shù)和漢明窗函數(shù)參數(shù)的對(duì)比比較，更為清楚地展示了兩種窗函數(shù)之間的區(qū)別。

表1 參數(shù)對(duì)比比較

由表1可以得出，漢明窗函數(shù)的主瓣寬度約為矩形窗函數(shù)主瓣寬度的2倍，較大的主瓣寬度保證了對(duì)語(yǔ)音幀兩端變化坡度的減緩效果。而且漢明窗函數(shù)的旁瓣高度較矩形窗函數(shù)又較低，這也更加有效地阻止了語(yǔ)音信號(hào)的泄露。另外，窗函數(shù)形狀的不同也會(huì)對(duì)后續(xù)所要計(jì)算的語(yǔ)音平均能量值產(chǎn)生一定的影響。語(yǔ)音短時(shí)能量值不斷發(fā)生著變化，漢明窗函數(shù)可以很敏銳地追蹤短時(shí)能量值的變化并記錄其變化趨勢(shì)[12]，一定程度上，還可以對(duì)能量的起伏起到很好的平緩作用。當(dāng)語(yǔ)音信號(hào)的突變處在一個(gè)變化周期內(nèi)時(shí)，漢明窗也可以對(duì)語(yǔ)音的振幅進(jìn)行有效的平滑處理，從而方便準(zhǔn)確地對(duì)語(yǔ)音信號(hào)進(jìn)行分析[13]。

(2) 窗長(zhǎng)的選擇。語(yǔ)音信號(hào)的變化十分靈活，窗函數(shù)是否能夠敏銳地追蹤語(yǔ)音信號(hào)的變化趨勢(shì)也受到窗長(zhǎng)的影響作用。

由圖2的趨勢(shì)對(duì)比可以看出，如果N的取值過(guò)小，濾波之后的函數(shù)變化趨勢(shì)明顯過(guò)于緩慢，且很長(zhǎng)一段時(shí)間，所有的語(yǔ)音信號(hào)值也是基本相同的。這時(shí)，取值過(guò)小的窗長(zhǎng)并不能及時(shí)追蹤原始語(yǔ)音信號(hào)的變化，且嚴(yán)重滯后于原始語(yǔ)音信號(hào)的變化；如果N的取值過(guò)大，即使原始語(yǔ)音出現(xiàn)特別微小的變化也會(huì)被反映出來(lái)，絲毫沒(méi)有起到一定的濾波作用，也不利于語(yǔ)音信號(hào)后續(xù)的分析和處理。因此，窗長(zhǎng)的不同選擇會(huì)帶來(lái)截然不同的濾波效果。另外，人類(lèi)的語(yǔ)音基音頻率變化通常處于80～500 Hz之間，周期變化處于2～12.5 ms之間。

圖2 窗長(zhǎng)產(chǎn)生的影響作用

基音周期的計(jì)算過(guò)程中，語(yǔ)音發(fā)音所產(chǎn)生的阻尼振動(dòng)導(dǎo)致了自相關(guān)函數(shù)采集圖形的凹凸不平，具體如圖3所示。此時(shí)，若使用圖像輸出中出現(xiàn)的第一個(gè)峰值點(diǎn)來(lái)計(jì)算得到基音的周期往往是不準(zhǔn)確的。為了得到準(zhǔn)確的基音周期則需要繼續(xù)尋找能夠使得基音周期清晰存在的自相關(guān)函數(shù)突起，相應(yīng)地，每個(gè)語(yǔ)音幀周期內(nèi)必然需要包含多個(gè)基音周期。一個(gè)語(yǔ)音幀周期內(nèi)通常含有3～6個(gè)基音周期[14]，不同人的基音周期也有差別，而且不管是男女之間的基音周期還是老幼之間的基音周期都有著很大的不同[15]，這就導(dǎo)致了采樣點(diǎn)在20～250范圍內(nèi)的不等。例如，采樣頻率為8 Hz時(shí)，那么對(duì)應(yīng)的N的取值通常就處于100～250之間，且持續(xù)時(shí)間處于10～20 ms之間。本文選用的窗函數(shù)N值為200。

窗函數(shù)選擇好之后，還需要對(duì)語(yǔ)音信號(hào)進(jìn)行某種變換處理，如平方變換、取絕對(duì)值變換等來(lái)實(shí)現(xiàn)語(yǔ)音信號(hào)特征值的采集。

每幀處理以后的輸出函數(shù)為：

(3)

式中：Qn為函數(shù)輸出表達(dá)；X(m)為第n處的語(yǔ)音信號(hào)函數(shù)；ω(n)為窗函數(shù)序列；T為對(duì)信號(hào)實(shí)施的某種變換處理。

2 語(yǔ)音信號(hào)的特征值提取

2.1 短時(shí)能量計(jì)算

短時(shí)能量計(jì)算流程如圖4所示。

圖4 短時(shí)能量處理計(jì)算流程

定義某語(yǔ)音信號(hào)n時(shí)刻的短時(shí)平均能量En，則有：

(4)

式中：h(n)=ω2(n)為語(yǔ)音音頻信號(hào)的平方經(jīng)過(guò)單位沖擊響應(yīng)為h(n)的線(xiàn)性濾波輸出。

分割后為N幀的語(yǔ)音信號(hào)，每一幀數(shù)據(jù)均可求得與之相對(duì)應(yīng)的短時(shí)能量值，并將其放置于短時(shí)能量矩陣Energy(i)中，直至得到完整的短時(shí)能量矩陣。遍歷最后得出完整的短時(shí)能量矩陣Energy中的最小值和最大值即分別為相對(duì)應(yīng)的語(yǔ)音短時(shí)能量最小值和最大值。

2.2 節(jié)拍計(jì)算

(1) 包絡(luò)信號(hào)的提取。原始的語(yǔ)音信號(hào)包絡(luò)并不平滑，能量最大值處又存在多個(gè)峰值點(diǎn)，而且，局部極值的現(xiàn)象又很普遍。因此，采用高斯濾波對(duì)其進(jìn)行處理：

(5)

式中：σ2為方差。

如果對(duì)式(5)的語(yǔ)信號(hào)的所有數(shù)據(jù)點(diǎn)都進(jìn)行濾波處理，則會(huì)涉及到大量的指數(shù)和浮點(diǎn)數(shù)的運(yùn)算，這就嚴(yán)重影響了算法的實(shí)時(shí)性。合適平滑參數(shù)的選取，使得連續(xù)高斯濾波函數(shù)離散化和歸一化，得到一維高斯濾波模板。一維高斯濾波模板可以有效地在對(duì)所有的語(yǔ)音信號(hào)進(jìn)行平滑處理，并進(jìn)行多次的迭代運(yùn)算[16]。語(yǔ)音信號(hào)數(shù)據(jù)中常存在著多個(gè)峰值點(diǎn)和局部極值點(diǎn)的現(xiàn)象，一維高斯濾波模板很大程度上去除了數(shù)據(jù)中的多峰值點(diǎn)和局部極值，而且也為后續(xù)的峰值點(diǎn)檢測(cè)提供了便利。

(2) 峰值點(diǎn)檢測(cè)。演奏樂(lè)曲時(shí)，為保證樂(lè)曲的優(yōu)美性，樂(lè)曲節(jié)奏通常不會(huì)超過(guò)240拍/min，即每秒不會(huì)多于4個(gè)節(jié)拍。由于語(yǔ)音信號(hào)數(shù)據(jù)的變化具有靈活性，在峰值點(diǎn)檢測(cè)時(shí)，如若某點(diǎn)為峰值點(diǎn)，則該點(diǎn)兩側(cè)至少有20個(gè)小于它的語(yǔ)音信號(hào)包絡(luò)數(shù)據(jù)。否則，該點(diǎn)不為峰值點(diǎn)。具體檢測(cè)過(guò)程如下：

① 設(shè)包絡(luò)數(shù)據(jù)為N(i)，i的起始值為20。

② 從N(i-20)至N(i+20)依次檢查各語(yǔ)音數(shù)據(jù)，同時(shí)記錄該過(guò)程中的最小值(min)。如若這些數(shù)據(jù)中存在著大于N(i)的數(shù)據(jù)值，則當(dāng)前點(diǎn)不是峰值點(diǎn)，停止遍歷；此時(shí)，i=i+1，重新開(kāi)始過(guò)程②，繼續(xù)檢測(cè)下一個(gè)數(shù)據(jù)。

③ 如果N(i-20)到N(i+20)之間的數(shù)據(jù)均小于N(i)，且abs(N(i)-min)>T，那么N(i)即為峰值點(diǎn)，并記錄該點(diǎn)的位置。由于下一個(gè)峰值點(diǎn)和當(dāng)前峰值點(diǎn)的距離一定大于20，且有i=i+20，則繼續(xù)執(zhí)行過(guò)程②；如果abs(N(i)-min)≤T，那么N(i)為局部極值點(diǎn)而非峰值點(diǎn)，則有i=i+1，并重新開(kāi)始執(zhí)行過(guò)程②。(式中T是為了進(jìn)一步排除局部極值點(diǎn)所設(shè)的閾值。)

④ 當(dāng)i與語(yǔ)音信號(hào)包絡(luò)數(shù)據(jù)末端處數(shù)據(jù)值之間的距離小于20時(shí)，則峰值檢測(cè)過(guò)程結(jié)束。

(3) 特征值計(jì)算。由峰值點(diǎn)檢測(cè)將節(jié)拍起音時(shí)刻序列轉(zhuǎn)化成節(jié)拍持續(xù)時(shí)間序列，其中節(jié)拍值tempo與拍周期Tbpm之間的關(guān)系如下：

tempo=60/Tbpm

采樣率為fs，有tempo=60×fs/Tn。式中，Tn=Tbpm×fs。

式中，Tn=Tbpm×fs。

那么，在峰值間隔最小位置處，即可求得tempo的最大值；峰值間隔最大的位置處即可求到tempo的最小值。又有，相鄰節(jié)拍點(diǎn)之間的時(shí)間差為DS(Duration Sequence)，即：

DS=相鄰節(jié)拍點(diǎn)時(shí)間差(s)

平均速度tempo的計(jì)算：

(6)

式中：n為DS序列中的節(jié)拍點(diǎn)數(shù)量。

3 材料處理與分析

選取京東校園實(shí)訓(xùn)中心語(yǔ)音數(shù)據(jù)庫(kù)中高客戶(hù)滿(mǎn)意度和低客戶(hù)滿(mǎn)意度的語(yǔ)音錄音各60組(語(yǔ)音選取周期為15組/周，共計(jì)4周)。并將語(yǔ)音錄音按客戶(hù)滿(mǎn)意度的評(píng)價(jià)等級(jí)進(jìn)行匯總整理。具體為“非常滿(mǎn)意=5”，“滿(mǎn)意=4”，“一般=3”，“不滿(mǎn)意=2”“非常不滿(mǎn)意=1”(高滿(mǎn)意度組：非常滿(mǎn)意、滿(mǎn)意；低滿(mǎn)意度組：一般、不滿(mǎn)意、非常不滿(mǎn)意)。本文主要在于分析高客戶(hù)滿(mǎn)意度和低客戶(hù)滿(mǎn)意度之間的差異性，選取語(yǔ)音時(shí)，并沒(méi)有計(jì)入客戶(hù)滿(mǎn)意度評(píng)價(jià)為“滿(mǎn)意”的客服語(yǔ)音錄音。

利用建立的Matlab語(yǔ)音分析系統(tǒng)，逐個(gè)分析計(jì)算出各個(gè)語(yǔ)音錄音中的語(yǔ)音特征值：節(jié)拍均值、節(jié)拍最大值、節(jié)拍最小值、短時(shí)能量均值、短時(shí)能量最大值、短時(shí)能量最小值，并將這120組數(shù)據(jù)進(jìn)行匯總整理，之后進(jìn)行節(jié)拍均值、節(jié)拍差值與客戶(hù)滿(mǎn)意度以及短時(shí)能量均值、短時(shí)能量差值與客戶(hù)滿(mǎn)意度之間的方差分析和相關(guān)性分析。

(1) 方差分析。分析高客戶(hù)滿(mǎn)意度組和低客戶(hù)滿(mǎn)意度組的語(yǔ)音特征值是否有差異性。具體如表1所示。

單因素ANONA分析(One-Way Analysis of Variance)結(jié)果顯示：評(píng)價(jià)尺度為“非常滿(mǎn)意”的客服語(yǔ)音節(jié)拍差值與評(píng)價(jià)尺度為“一般”“不滿(mǎn)意”“非常不滿(mǎn)意”的客服語(yǔ)音節(jié)拍差值有著顯著性差異，且評(píng)價(jià)尺度為“一般”“不滿(mǎn)意”“非常不滿(mǎn)意”的客服語(yǔ)音節(jié)拍差值之間的差異性并不明顯。

同理，評(píng)價(jià)尺度為“非常滿(mǎn)意”的客服語(yǔ)音短時(shí)能量差值與評(píng)價(jià)尺度為“一般”“不滿(mǎn)意”“非常不滿(mǎn)意”的客服語(yǔ)音短時(shí)能量差值間有著顯著性的差異，且評(píng)價(jià)尺度為“一般”“不滿(mǎn)意”“非常不滿(mǎn)意”間的客服語(yǔ)音短時(shí)能量差值差異性并不顯著；評(píng)價(jià)尺度為“非常滿(mǎn)意”的客服語(yǔ)音短時(shí)能量均值與評(píng)價(jià)尺度為“一般”“不滿(mǎn)意”“非常不滿(mǎn)意”的客服語(yǔ)音短時(shí)能量均值間有著顯著性的差異，且評(píng)價(jià)尺度為“一般”“不滿(mǎn)意”“非常不滿(mǎn)意”間的客服語(yǔ)音短時(shí)能量均值的差異性并不顯著。

但是，評(píng)價(jià)尺度為“非常滿(mǎn)意”的客服語(yǔ)音節(jié)拍均值與評(píng)價(jià)尺度為“一般”“不滿(mǎn)意”“非常不滿(mǎn)意”的客服語(yǔ)音節(jié)拍均值之間的差異并不顯著。

表1 客戶(hù)滿(mǎn)意度方差分析(節(jié)拍差值)

注：*P<0.05

(2) 相關(guān)性分析。分析客服語(yǔ)音特征值：節(jié)拍差值、節(jié)拍均值、短時(shí)能量差值、短時(shí)能量均值與客戶(hù)滿(mǎn)意度之間的相關(guān)關(guān)系。具體如下表2所示。

表2 相關(guān)性關(guān)系表

注：*P<0.05,**P<0.01

相關(guān)性分析結(jié)果顯示：節(jié)拍差值、短時(shí)能量差值、短時(shí)能量均值均與客戶(hù)滿(mǎn)意度有著顯著的負(fù)相關(guān)關(guān)系。也就是說(shuō)在一定范圍內(nèi)隨著節(jié)拍差值、短時(shí)能量差值、短時(shí)能量均值的增加，客戶(hù)滿(mǎn)意度是呈遞減趨勢(shì)的。

4 結(jié) 語(yǔ)

語(yǔ)音分析減少了語(yǔ)音信息數(shù)據(jù)在每次客服語(yǔ)音服務(wù)過(guò)程中的流失，方便了客服語(yǔ)音服務(wù)信息反饋的獲取和服務(wù)規(guī)范的管理。將大量客服與客戶(hù)交互過(guò)程的錄音從閑置的語(yǔ)音錄音庫(kù)中歸類(lèi)整理出來(lái)，建立語(yǔ)音分析系統(tǒng)來(lái)進(jìn)行語(yǔ)音情感值的量化，分析研究了其與客戶(hù)滿(mǎn)意度之間的關(guān)系。結(jié)果表明，語(yǔ)音節(jié)拍均值與客戶(hù)滿(mǎn)意度之間的相關(guān)關(guān)系并不顯著；語(yǔ)音短時(shí)能量差值、語(yǔ)音短時(shí)能量均值和語(yǔ)音節(jié)拍差值均與客戶(hù)滿(mǎn)意度有著顯著的負(fù)相關(guān)關(guān)系，如：語(yǔ)音服務(wù)過(guò)程中，一定范圍內(nèi)隨著客服語(yǔ)音節(jié)拍差值的增加，其所對(duì)應(yīng)的客戶(hù)滿(mǎn)意度就會(huì)有所降低。該結(jié)論為客服人員通過(guò)控制自身語(yǔ)音特征值的方式提高客戶(hù)滿(mǎn)意度提供了一定的參考價(jià)值，而且客戶(hù)滿(mǎn)意度的提升同時(shí)也有利于電商企業(yè)經(jīng)濟(jì)效益的提升和實(shí)現(xiàn)優(yōu)勢(shì)性經(jīng)營(yíng)。