基于語音分析的智能質檢系統(tǒng)設計

王穎 李承桓

【摘要】? ? 文章主要分析了電力客服系統(tǒng)的質檢現(xiàn)狀，在此基礎上講解了語音分析技術和智能質檢系統(tǒng)，最后探討了智能質檢系統(tǒng)的效益，望可以為有關人員提供一定的參考和幫助。

【關鍵字】? ? 電力客服? ? 語音分析? ? 智能質檢? ? 服務質量

引言：

電力行業(yè)在國民經濟發(fā)展中占據(jù)著重要地位，加強供電服務建設，直接關系著供電企業(yè)的形象和客戶服務體驗，作為與客戶直接交流的服務窗口，電力客服的服務質量十分重要，但當前服務熱線質檢的范圍及精準度存在很大的局限性，為此文章對如何有效解決其中存在問題展開了研究和分析。

一、業(yè)務質檢存在的問題

傳統(tǒng)業(yè)務質檢采用人工抽檢方式，質檢覆蓋率較低且無法準確定位問題工單。人工聽錄音的質檢方式，需要長時間集中精力，聽取大量的無效信息，人工成本高，效率低，工作強度大。同時大量未質檢的工單中的有效內容如客戶訴求信息、服務信息等未能得到充分挖掘利用。

二、語音分析

2.1語音檢測

通過語音識別、語音活動檢測和邏輯分析，將非線性語音片段轉換為線性指示器，以實現(xiàn)知識挖掘和大量記錄文件和音頻文件的快速檢索，檢測重要語音節(jié)點，提取關鍵段落并結合語音檢測，結合空間因素分析，可以有效地識別和區(qū)分語音中的各種聲音，例如客戶與客服的語音、噪音、靜音，并標記這些聲音因素的位置。

2.2語音增強

由于錄音環(huán)境、錄音設備、揚聲器等因素的影響，會出現(xiàn)通話質量問題，例如音量小、背景噪音高、客服和客戶音量不對稱。為更好地理解通話內容，需要使用噪聲抑制和音量調節(jié)來提取真正的原始聲音。目前，低信噪比或低能量噪聲的語音增強方法可以大大降低背景噪聲，改善語音質量。質量系統(tǒng)采用的方法是基于譜減法、卡爾曼濾波和信號處理技術子空間組合，針對各種方法的優(yōu)缺點，提出了規(guī)則融合方法用于提高語音的增強和魯棒性。

2.3場景分割

話者分離技術可以自動分離通話記錄中的客戶語音和客服語音，有效語音挖掘是一個重要的支撐技術應用程序，場景分割技術是非雙通道錄音條件下呼叫中心語音挖掘不可缺少的技術條件。人耳能有效識別音頻波動，提高聽覺質量。按照人的生理特點，完整的場景分割主要分為以下幾個步驟：1.在對原始語音進行數(shù)字語音信號處理的基礎上，將語音轉換成包含說話人信息的PLP特征，即說話人的可識別特征輸入語音和語音分離;2.通過判斷說話人語音的轉折點，按照k均值對每個場景進行分割，對語音片段進行聚類，形成兩個基本的語音片段集，由于此方法提供的算法準確性很高，因此分類會產生交叉誤差，需要進一步的改進。將初始類別聚類以形成GMM模型的兩個判斷，然后對該決策進行重新評估以形成一個模型，可以獲得更準確的兩組信息，即情感檢測、端點檢測、特征提取。結合人類語音空間因素技術，研究聲音行為，檢測并記錄說話人的情緒變化，檢測密集的對話并結合關鍵字以實現(xiàn)客戶滿意度分析模型，檢測和速度檢測。

2.4語音轉譯

智能語音分析系統(tǒng)是利用智能語音識別技術對客服中心的全量錄音進行文本轉譯，將非結構化數(shù)據(jù)轉化為結構化數(shù)據(jù)，實現(xiàn)錄音數(shù)據(jù)的全量質檢分析工作，其核心技術為智能語音識別技術。智能語音識別技術是利用語音識別模型和語言模型，并利用大量的語音語料進行模型訓練，提高了模型識別準確率。智能語音分析系統(tǒng)的語音識別模型和語言模型利用海量的客服中心錄音語料進行定制化的訓練，并將業(yè)務關鍵詞、服務忌語、敏感詞、關鍵信息、標準地址地名庫等行業(yè)專業(yè)語音語料數(shù)據(jù)應用與模型訓練中，不斷提升行業(yè)語音轉寫準確率，形成了針對行業(yè)的定制化的語音轉寫引擎。此外，在后續(xù)的系統(tǒng)使用過程中，可針對語音轉寫引擎識別準確率較低的區(qū)域方言進行定向優(yōu)化，不斷提升整體轉寫準確率。

2.5語音檢索

全文檢索的對象包括語音轉換生成的文本內容、靜默語速情緒等檢測結果、關鍵詞和服務忌語的出現(xiàn)位置、來電號碼時長等隨路數(shù)據(jù)、語義分析得到的結果（如來電原因、投訴分類等）以及人工質檢后得到的各項評分結果。語音檢索功能主要針對用戶輸入的關鍵詞信息、情緒檢測信息和長時靜音信息，從所有的索引文件中進行快速篩選，并返回用戶關注的語音，用戶可以對檢索結果進行復聽，從而對客服人員做相關質檢，用戶也可以輸入關注的信息，由系統(tǒng)對關注的信息進行自動的統(tǒng)計，從而返回海量錄音文件中包含的統(tǒng)計信息。

2.6語義理解

采用自然語言理解技術，利用DNN訓練基礎語義模型，結合語法規(guī)則及最大熵決策算法，從通話文本中提取業(yè)務信息及用戶意圖。質檢分析模型采用深度神經網絡（DNN）、深度卷積神經網絡（DCNN）等先進的機器學習算法進行訓練，保證了模型訓練的效率和效果。

三、在呼叫中心的應用

語音挖掘系統(tǒng)在質量檢測中的應用，可以擴大質量檢測的范圍，及時、全面地發(fā)現(xiàn)服務問題，提高服務差錯的檢出率，有效提高質檢工作效率，提升客戶服務質量。以電力行業(yè)的呼叫中心為例，通過每天6000小時的語音識別能力，將錄音非結構化數(shù)據(jù)向文本結構化數(shù)據(jù)精準轉譯、自動質檢和問題工單篩選，實現(xiàn)系統(tǒng)輔助全量質檢與人工精準質檢有機結合，全面管控業(yè)務風險;通過對業(yè)務關鍵信息的智能提取，有效開展來電原因、疑似投訴、客戶行為等專項分析，有效提升了質檢工作效率。根據(jù)目前質檢員的質檢流程及需求進行設計開發(fā)，對傳統(tǒng)的聽取通話錄音然后評分的質檢模式進行了優(yōu)化，將錄音波形進行展示，并在波形中對關鍵信息出現(xiàn)的位置進行標注，質檢員可快速找到關鍵信息位置聽錄音內容，同時系統(tǒng)將錄音轉譯為文本，在文本中也會將關鍵信息進行標注。實現(xiàn)聽看結合，促進質檢效率的大幅度提升，整體質量檢查范圍從不足2%增加到100%，質檢的覆蓋率提升了50倍，質檢的效率提升了4倍。

四、語音挖掘技術的價值

打造智能語音質檢分析系統(tǒng)平臺，主要包括語音分析支撐功能、客服語音質檢、運營管理分析三個方面。一方面可實現(xiàn)客服代表服務質量管理的智能化、自動化、便捷化，輔助呼叫中心運營管理，另一方面還可利用語音分析、轉譯的結果，給大數(shù)據(jù)分析提供基礎數(shù)據(jù)，為精準營銷、個性化服務提供支撐。以電力行業(yè)呼叫中心為例，提供客服中心全量錄音的語音到文字的轉譯，定位錄音中的異常情況，為業(yè)務管理提供數(shù)據(jù)支撐和應用基礎供客服中心運營情況分析，挖掘客戶實際訴求，與工單業(yè)務類型和受理內容進行比較，識別工單分類分級錯誤、客戶重復來電等，為持續(xù)優(yōu)化業(yè)務流程、服務話術，規(guī)范客服專員服務行為提供依據(jù)。通過挖掘分析錄音中業(yè)務熱詞和關鍵敏感信息，精準研判客戶訴求熱點、關鍵敏感信息和業(yè)務趨勢變化，為服務能力提升提供了有力支撐。

五、智能質檢系統(tǒng)設計

智能語音分析系統(tǒng)的各項功能是基于呼叫中心標準的質檢業(yè)務及流程設計開發(fā)的。質檢人員可結合原質檢流程，利用智能語音分析技術，實現(xiàn)錄音的針對性抽取和自動質檢工作，結合質檢規(guī)則，由系統(tǒng)對問題錄音進行自動推薦，此外，提供錄音的同時，提供錄音波形、文本、關鍵信息等多方面信息提示，不斷優(yōu)化質檢工作，提升質檢效率。業(yè)務人員可根據(jù)質檢規(guī)則需要，以關鍵詞、靜默信息、語音重疊等條件自定義質檢規(guī)則模板，提交并通過審核生效后，系統(tǒng)根據(jù)模版對全量錄音進行質檢推薦等級判定。系統(tǒng)根據(jù)錄音中的關鍵詞方案、靜默信息、語音重疊信息、異常錄音、服務忌語等內容，按照用戶自定義的規(guī)則模板，篩選出質檢規(guī)則需要的工單并進行精準質檢，大幅減少時間及人力成本，提升質檢結果的準確性。

六、智能質檢系統(tǒng)的效益

智能質檢系統(tǒng)的建設對呼叫中心質量管理和信息數(shù)據(jù)挖掘起到了促進作用，帶來了巨大的經濟、管理和社會效益。改變了傳統(tǒng)質檢方式，實現(xiàn)了人工隨機質檢向問題導向精準質檢的轉變，質檢人工能效提升30%以上，實現(xiàn)了重點業(yè)務全過程覆蓋、全流程跟蹤的閉環(huán)管理，有效防范了客戶服務風險。

七、智能語音分析的實現(xiàn)

7.1語音轉寫

基于非特定人的、連續(xù)自然語音的識別。可針對客服領域錄音、及特定業(yè)務進行優(yōu)化，實現(xiàn)通話內容自動轉寫成文字。將分離后的語音通過聲學模型轉換為對應的漢語音標符號，音標信息再通過超大詞匯網絡的語言模型識別出最終對應的文本內容。根據(jù)地方口音及說法特點，通過大量語料訓練，不斷優(yōu)化聲學模型及語言模型。

結合業(yè)務知識和服務范圍，優(yōu)化關注業(yè)務的識別效果，修正語音轉寫結果。

7.2關鍵詞檢出

通過分析指定語音段，檢測到指定關鍵詞，并返回該關鍵詞所在整條語音中的位置。流程規(guī)范檢查：對錄音中的關鍵詞順序進行分析，檢查客服人員是否按照流程規(guī)定的順序說出合理話樹，關鍵詞是否完備服務忌語檢查：檢查客服人員對話中是否包含服務忌語。

7.3話者分離

是指在用戶與坐席人員的語音交互錄音文件中，將“用戶”語音和“坐席人員”的語音進行分離，提供針對性分析應用基礎。

7.4情緒檢測

情緒檢測，能夠將客服領域通話錄音中的異常情緒檢測出來，得到包含發(fā)音人情緒異常的數(shù)據(jù)列表，給出對應的異常產生位置及可信度。用戶可預先設置報警門限（基頻相對變化程度、語速門限、變化持續(xù)時間）。1.成單錄音分析，提高成單率：針對成單錄音進行分析，找出關鍵因素，從而提高催收成功率;2.熱點追蹤：對海量的語音文件進行分析，找出客戶客戶關注的焦點;3.提高通話催收解決效率：確定并消除重復通話的驅動因素;4.減少平均處理時間：確定長時間通話的原因;5.改善客戶滿意度：了解客戶為什么投訴;6.關鍵詞抓?。宏P鍵詞檢索，統(tǒng)計分析，如預計還款率、風險控制;7.減少客戶投訴：投訴風險控制;改善業(yè)務流8.程：利用客戶互動過程，找到流程中的低效率環(huán)節(jié);9.突發(fā)業(yè)務的預警：預警突發(fā)狀態(tài)。

八、結束語

由上可知，通過建設語音分析為核心的智能質檢系統(tǒng)能夠有效解決當前電力客戶服務質檢工作中存在的問題，擴大了質檢覆蓋范圍、降低了人工質檢工作強度，提高差錯檢出率，提升了服務質量。

參? 考? 文? 獻

[1]陳輝， 饒海紅， 溫儒玲，等. 一種離線質檢用智能語音分析方法及系統(tǒng)， 2020.

[2]張敏麗、郭紅壯、于源華. 基于PID算法的語音智能小車設計[J]. 科技風， 2020， No.427（23）：29-30.

[3]李德弟， 蘇兆安， 徐先棟，等. 基于語音識別技術的智能指控平臺設計研究[C]// 第八屆中國指揮控制大會論文集. 2020.