智能語音識別技術(shù)在呼叫中心的應(yīng)用研究

段瑞霞 張海東

摘要：利用語音識別、語義理解、聲紋識別等技術(shù)，準(zhǔn)確識別用戶意圖，可以實現(xiàn)語音轉(zhuǎn)文字、智能質(zhì)檢、智能檢索等功能，大大提升工作效率。該文基于呼叫中心的智能語音需求，研究如何搭建語音訓(xùn)練平臺和語音識別系統(tǒng)，實現(xiàn)訓(xùn)練模型可復(fù)用、服務(wù)統(tǒng)一、優(yōu)化流程角色、安全運(yùn)行監(jiān)控化，根據(jù)用戶業(yè)務(wù)需求快速開展定制化模型開發(fā)，實現(xiàn)對傳統(tǒng)呼叫中心的純?nèi)斯し?wù)向人機(jī)協(xié)作的語音資源利用方式升級，最大化利用語音資源，減少人員投入，提升呼叫中心服務(wù)質(zhì)量。

關(guān)鍵詞：語音識別;訓(xùn)練平臺;智能語音

中圖分類號：TP311? ? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2022）15-0094-00

1 概述

1.1 現(xiàn)狀及背景

傳統(tǒng)呼叫中心完全由人工進(jìn)行接聽電話、處理工單，定期由專人進(jìn)行電話錄音檢查，核查有問題錄音，查找問題，每年業(yè)務(wù)量約20萬電話，被抽檢進(jìn)行語音檢查的不足2%。客服人員所需技術(shù)不強(qiáng)、人員工資較低、人員流動較大、經(jīng)驗無法有效傳授，由此造成培訓(xùn)成本增高、不易管理。

智能機(jī)器人全天候工作取代30%的人工客服，智能質(zhì)檢不僅可以使用質(zhì)檢合格的語音不斷進(jìn)行學(xué)習(xí)提升準(zhǔn)確性，而且可以形成知識庫，實現(xiàn)由人工質(zhì)檢向機(jī)器質(zhì)檢過渡，幫助呼叫中心更高效提供服務(wù)。

當(dāng)前大部分語音應(yīng)用系統(tǒng)，根據(jù)不同業(yè)務(wù)的需求，各自構(gòu)建陣地，雖然取得了部分成績，但存在“煙囪式”開發(fā)，重復(fù)建設(shè)，成本高、不易集成，模型研發(fā)缺乏標(biāo)準(zhǔn)指導(dǎo)、參與角色眾多，模型訪問方式各異，調(diào)用關(guān)系錯綜復(fù)雜，缺乏編排優(yōu)化、缺乏協(xié)同、效率有限，缺少統(tǒng)一的模型運(yùn)行、監(jiān)控平臺、服務(wù)管理接口及更新、維護(hù)機(jī)制等問題[1]。

1.2 研究必要性

基于呼叫中心的業(yè)務(wù)，將智能語音識別技術(shù)和人工客服相結(jié)合，建設(shè)一套語音識別系統(tǒng)，采用人機(jī)協(xié)作模式，可以提供呼叫中心的服務(wù)質(zhì)量和效率，提升用戶體驗。

建設(shè)語音識別系統(tǒng)必不可少的是語音模型訓(xùn)練，進(jìn)行語音模型訓(xùn)練建議搭建一個語音識別訓(xùn)練平臺。語音識別訓(xùn)練平臺可實現(xiàn)人工智能的能力可復(fù)用化、服務(wù)統(tǒng)一化、流程角色優(yōu)化、運(yùn)行監(jiān)控化和資源管控化，根據(jù)業(yè)務(wù)需求快速提供訓(xùn)練模型，實現(xiàn)用戶需求。通過語音識別訓(xùn)練平臺的深度學(xué)習(xí)和加載語音智能分析，提供對語音需求的迅速實現(xiàn)和靈活試錯功能，完成由傳統(tǒng)呼叫中心的純?nèi)斯し?wù)向人機(jī)協(xié)作的語音資源利用方式升級，研究探索服務(wù)電話錄音的精準(zhǔn)感知、問題錄音的主動發(fā)現(xiàn);基于運(yùn)行數(shù)據(jù)積累及數(shù)據(jù)價值與關(guān)聯(lián)應(yīng)用，完成智能質(zhì)檢工作的高效處理，科學(xué)預(yù)警預(yù)測，防患于未然，最大化利用語音資源，為呼叫中心帶來新的工作模式，從而提升企業(yè)的人工智能創(chuàng)新能力。

1.3 研究目標(biāo)

1）挖掘語音深度應(yīng)用

融合當(dāng)前業(yè)內(nèi)成熟可用的語音識別技術(shù)，結(jié)合呼叫中心需求，利用語音資源結(jié)合語音分析算法實現(xiàn)對智能質(zhì)檢、智能會議等應(yīng)用落地，形成一套智能語音應(yīng)用解決方案，為其他智能語音項目建設(shè)與應(yīng)用提供指導(dǎo)。

2）拓展傳統(tǒng)客服業(yè)務(wù)能力

通過對原有客服系統(tǒng)、設(shè)備進(jìn)行智能語音賦能，在傳統(tǒng)客服工作上進(jìn)行算法快速迭代，減少人工投入，提升工作效率和用戶體驗，提升企業(yè)的信息化應(yīng)用水平。

1.4 研究內(nèi)容

本文重點研究將人類的聲音信號轉(zhuǎn)化為文字或者指令的語音識別技術(shù)，搭建一套語音訓(xùn)練平臺，進(jìn)行相關(guān)語音訓(xùn)練，實現(xiàn)呼叫中心的相關(guān)語音可通過語音識別系統(tǒng)進(jìn)行應(yīng)用和配置。

2 系統(tǒng)架構(gòu)

2.1 整體原則

系統(tǒng)最大限度地滿足呼叫中心在人工智能語音識別方面的需求，充分結(jié)合現(xiàn)有成熟完善的技術(shù)，遵循以下四個原則。

1）標(biāo)準(zhǔn)化與一體化原則

嚴(yán)格遵循呼叫中心數(shù)據(jù)管理相關(guān)規(guī)范與標(biāo)準(zhǔn)，基于現(xiàn)呼叫中心業(yè)務(wù)系統(tǒng)整體架構(gòu)，融合先進(jìn)的語音識別技術(shù)，提供標(biāo)準(zhǔn)化應(yīng)用接口，支撐智能會議應(yīng)用、智能客服應(yīng)用、智能調(diào)度應(yīng)用等應(yīng)用場景，與其他人工智能技術(shù)模塊實現(xiàn)一體化設(shè)計原則。

2）可擴(kuò)展性原則

采用通用開發(fā)平臺，提供標(biāo)準(zhǔn)化數(shù)據(jù)接口供其他應(yīng)用系統(tǒng)進(jìn)行集成與二次開發(fā);相關(guān)配套硬件配置支持平滑擴(kuò)展;支持業(yè)務(wù)的靈活重組，提供二次開發(fā)與訓(xùn)練的開放接口。

3）兼顧實用性與先進(jìn)性

充分考慮多種現(xiàn)有成熟的主流技術(shù)的綜合，搭建語音識別訓(xùn)練平臺，結(jié)合呼叫中心實際業(yè)務(wù)，找出應(yīng)用效果顯著的業(yè)務(wù)場景，實現(xiàn)業(yè)務(wù)模式升級和服務(wù)優(yōu)化。

4）安全性原則

惡意軟件的入侵、黑客攻擊、個人隱私泄露等信息安全問題較為常見。隨著大數(shù)據(jù)、人工智能等新一代信息技術(shù)的廣泛應(yīng)用，對信息安全提出了新的需求和挑戰(zhàn)。我國政府高度重視信息安全，領(lǐng)導(dǎo)并規(guī)劃了一系列信息化發(fā)展和信息安全的保障措施[2]。呼叫中心有大量客戶數(shù)據(jù)、客戶交互會話等敏感數(shù)據(jù)，系統(tǒng)安全性顯得尤為重要。在建設(shè)中充分考慮信息的秘密性、完整性和可用性;在設(shè)備安全、網(wǎng)絡(luò)安全、操作系統(tǒng)安全、數(shù)據(jù)庫安全、行為安全等方面做好相關(guān)措施，確保系統(tǒng)長期穩(wěn)定、安全、可靠、高效地運(yùn)行，業(yè)務(wù)數(shù)據(jù)不會泄露[3]。

2.2? 功能架構(gòu)

總體功能架構(gòu)包括四層，架構(gòu)圖見圖1。

開放接口層：提供C++ SDK / App SDK / Java SDK / Restful等標(biāo)準(zhǔn)接口方式，實現(xiàn)與其他業(yè)務(wù)的集成。

終端接入：支持呼叫中心系統(tǒng)實時話務(wù)8K語音流、麥克風(fēng)/鵝頸麥等硬件拾音設(shè)備實時16K語音流、錄制語音流接入等多種終端接入。

邊緣計算：語音分析服務(wù)器支持對語音進(jìn)行智能分析，訓(xùn)練平臺支持語音采集、標(biāo)注、模型訓(xùn)練和優(yōu)化等。

應(yīng)用展示：基于語音技術(shù)的各種應(yīng)用場景。

2.3? 技術(shù)架構(gòu)

總體技術(shù)架構(gòu)包括五層，滿足企業(yè)在技術(shù)先進(jìn)性、安全性、可擴(kuò)展等要求（如圖2）。

1）基礎(chǔ)支撐：支持GPU、CPU異構(gòu)計算資源池統(tǒng)一部署。

2）素材集：實現(xiàn)呼叫中心語音庫的建立，支持語音數(shù)據(jù)的導(dǎo)入/導(dǎo)出、素材標(biāo)注、素材管理等。

3）模型訓(xùn)練：提供定制化開發(fā)多場景語音識別模型，并根據(jù)使用效果進(jìn)行模型優(yōu)化、模型評估。

4）模型管理：支持模型上傳、模型下發(fā)、模型導(dǎo)出、文件上傳/下載等業(yè)務(wù)功能層。

5）接口：將完成開發(fā)的語音模型進(jìn)行API封裝，通過API網(wǎng)關(guān)層對外提供服務(wù)，為上層各類業(yè)務(wù)應(yīng)用提供統(tǒng)一服務(wù)入口;提供在線識別接口等，支持外部命令行接入、SDK工具集等，提升系統(tǒng)的擴(kuò)展性能和服務(wù)管理能力[4]。

3? 語音識別系統(tǒng)設(shè)計及應(yīng)用

3.1? 關(guān)鍵技術(shù)

1）全程建模技術(shù)

在人工智能發(fā)展中，模型是開發(fā)過程中的一個不可缺少的工具。結(jié)合呼叫中心的業(yè)務(wù)需求和技術(shù)現(xiàn)狀，利用語音/聲紋識別及個性化智能模型自主訓(xùn)練等建模技術(shù)，構(gòu)建一系列有序的功能模型、信息模型、數(shù)據(jù)模型、控制模型和決策模型等。通過執(zhí)行各個模型來驗證其正確性并確定后續(xù)研究方向，通過全程建模技術(shù)實現(xiàn)將模型轉(zhuǎn)到開發(fā)語言，減少翻譯轉(zhuǎn)換工作[5]。本文設(shè)計采用業(yè)界認(rèn)可的統(tǒng)一建模語言進(jìn)行軟件從業(yè)務(wù)到設(shè)計的全程建模，通過建模保證整個項目的可視化[6]。

2）容器技術(shù)

容器技術(shù)將應(yīng)用進(jìn)行打包，對服務(wù)器部署位置沒有限制，通過一行命令即可完成簡單的服務(wù)部署;再次抽象操作系統(tǒng)的資源，可以快速將打包好的服務(wù)進(jìn)行啟動;將不同服務(wù)封裝在對應(yīng)的容器中，定制化編寫腳本使所有容器按照業(yè)務(wù)需求進(jìn)行相互協(xié)作，實現(xiàn)多業(yè)務(wù)組合;容器的標(biāo)準(zhǔn)化加快交付體驗，允許對工作負(fù)載進(jìn)行遷移，避免局限于單一平臺的供應(yīng)商[7]。

3）異構(gòu)加速計算技術(shù)

由于需要針對大量的訓(xùn)練數(shù)據(jù)進(jìn)行模型訓(xùn)練，采用異構(gòu)分布式計算，基于 GPU+CPU異構(gòu)計算平臺進(jìn)行優(yōu)化，充分利用 GPU的高性能計算能力，提供高效的大數(shù)據(jù)在線/離線批處理、實時計算、交互式查詢等功能。異構(gòu)計算提供非凡的應(yīng)用程序性能，將應(yīng)用程序計算密集部分轉(zhuǎn)移到 GPU，同時仍由CPU 運(yùn)行其余程序代碼[8]。

4）訓(xùn)練任務(wù)調(diào)度技術(shù)

訓(xùn)練集群存在多租戶、多任務(wù)、多數(shù)據(jù)及多資源的復(fù)雜管理，使用訓(xùn)練任務(wù)調(diào)度的服務(wù)引擎，可以統(tǒng)一調(diào)度維持設(shè)備間IO通信、IP分配，合理協(xié)調(diào)分配訓(xùn)練資源，在任務(wù)釋放資源時及時回收用于新任務(wù)的調(diào)用，實現(xiàn)有效提高資源利用率，降低系統(tǒng)非必要功耗[9]。

3.2? 語音識別系統(tǒng)設(shè)計

語音識別系統(tǒng)包括語音識別前端、素材集和模型訓(xùn)練平臺。

1）語音識別前端

語音識別前端界面，可以是輸入錄制音頻文件進(jìn)行語音識別，也可以是按下麥克風(fēng)按鈕說話或接入呼叫系統(tǒng)進(jìn)行實時語音識別。

2）素材集

對不同業(yè)務(wù)領(lǐng)域的語音素材進(jìn)行收集、管理，包括數(shù)據(jù)的導(dǎo)入導(dǎo)出、數(shù)據(jù)標(biāo)注、數(shù)據(jù)管理等，實現(xiàn)素材數(shù)據(jù)的統(tǒng)一管理和開放共享。

3）模型訓(xùn)練平臺

根據(jù)用戶業(yè)務(wù)需求，定制化進(jìn)行語音識別核心模型開發(fā)，如聲學(xué)特征提取模型、聲學(xué)模型、語言模型及語言處理等模型。根據(jù)用戶實際使用情況，對模型識別速度、識別準(zhǔn)確率等進(jìn)行評估，針對準(zhǔn)確性不滿足要求、識別速度慢的模型反饋給模型訓(xùn)練平臺進(jìn)行模型優(yōu)化與訓(xùn)練，提高識別準(zhǔn)確率和速度。

3.3 語音識別系統(tǒng)應(yīng)用

1）會議紀(jì)要智能語音轉(zhuǎn)錄

呼叫中心在會議中，通過語音識別將參會人員發(fā)言轉(zhuǎn)錄成文本，形成完整的會議記錄，減少會議記錄人的工作量。

2）智能語音機(jī)器人

呼叫中心面向用戶提供智能語音交互服務(wù)，提供企業(yè)組織架構(gòu)查詢，工單查詢，業(yè)務(wù)流程查詢等智能服務(wù)，建立“自動應(yīng)答+人機(jī)協(xié)作”的新模式，提升客戶智能感知，減少人員投入。

3）智能座席

呼叫中心可以給客服專員和管理人員提供智能助手服務(wù)，可提供實時流程推薦、實時工程師聯(lián)系方式推薦等服務(wù)，提高客服人員工作效率，縮短接聽電話時間。

4）智能語音質(zhì)檢

通過多元化的自定義規(guī)則，對呼叫中心的錄音或?qū)崟r對話內(nèi)容進(jìn)行智能語音分析，幫助呼叫中心快速發(fā)現(xiàn)服務(wù)中的問題，提升服務(wù)質(zhì)量，優(yōu)化服務(wù)策略。

4? 結(jié)束語

語音識別系統(tǒng)以呼叫中心業(yè)務(wù)需求為導(dǎo)向，依托智能語音技術(shù)，采用以GPU為核心的異構(gòu)并行計算分布式架構(gòu)，基于用戶提供的真實語音數(shù)據(jù)，完成模型訓(xùn)練，進(jìn)行大量業(yè)務(wù)應(yīng)用，極大推動語音資源價值挖掘，賦能多樣化業(yè)務(wù)應(yīng)用，實現(xiàn)業(yè)務(wù)模式質(zhì)的改變，助力呼叫中心業(yè)務(wù)運(yùn)行的“安全、順暢、有序”，最大化實現(xiàn)人力資源釋放。

參考文獻(xiàn)：

[1] 洪青陽，李琳.語音識別：原理與應(yīng)用[M].北京：電子工業(yè)出版社，2020.

[2] 郭晶，丁西，張小龍.基于微服務(wù)微應(yīng)用架構(gòu)的新一代企業(yè)門戶實現(xiàn)與應(yīng)用[J].電力信息與通信技術(shù)，2021，19（2）：94-98.

[3] 黃杰.信息系統(tǒng)安全[M].杭州：浙江大學(xué)出版社，2020.

[4] 李斌.企業(yè)信息安全建設(shè)與運(yùn)維指南[M].北京：北京大學(xué)出版社，2021.

[5] 李晨晗，趙志峰.基于容器技術(shù)的數(shù)字版權(quán)管理[J].廣播電視信息，2020（S1）：26-28.

[6] 青潤.軟件工程之全程建模實現(xiàn)[M].北京：電子工業(yè)出版社，2004.

[7] 程寧，劉桂蘭.Docker容器技術(shù)與應(yīng)用[M].北京：人民郵電出版社，2020.

[8] [美] 胡文美（Wen-mei W.Hwu） 著，方娟，蔡旻，譯.異構(gòu)系統(tǒng)體系結(jié)構(gòu)：原理、模型及應(yīng)用[M].北京：機(jī)械工業(yè)出版社，2018.

[9] 李蓀，曾然然，殷治綱.AI智能語音技術(shù)與產(chǎn)業(yè)創(chuàng)新實踐[M].北京：人民郵電出版社，2021.

【通聯(lián)編輯：聞翔軍】