基于語音分析的話務質檢系統設計與應用

燕躍豪 鮑薇 王瑩師 楊湯亮

摘 要：隨著生活水平的提高，人們對于高質量服務的需求也逐漸增強。客服電話是電力企業獲取服務反饋的重要方式，要想更好地為用戶提供優質服務，就需要一種質檢方式來檢測客服人員在通話時是否使用規范用語、是否給予準確回答、是否滿足標準要求。但面對激增的語音通話量、龐大的錄音數據，傳統的人工質檢方法效率低下，且隨機抽檢的片面性難免導致檢測失實。鑒于此，設計了一種基于語音的話務質檢系統，可以進行全量覆蓋質檢，質檢效率高。該系統通過智能化質檢方式，結合各項針對性功能，減少了質檢工作量，節約了質檢時間，提高了質檢質量。

關鍵詞：語音;話務質檢;關鍵詞識別;情感識別;語音分析

中圖分類號：TM73? ? 文獻標志碼：A? ? 文章編號：1671-0797（2022）12-0033-03

DOI：10.19514/j.cnki.cn32-1628/tm.2022.12.009

0? ? 引言

電力行業現有的服務手段仍以熱線電話為主，用戶在遇到問題時主要通過撥打電話提出自己的訴求和意見。因此，需對客服人員與用戶的通話語音進行質檢，在督促客服人員進行禮貌耐心溝通的同時，基于數據科學分析，有針對性地進行考核、制訂提升方案，不斷發現問題、優化服務[1]。傳統的質檢方式是人工質檢，但這種方式易受主觀因素影響，并且容易漏檢、誤檢，效率低下。隨著客戶服務中心坐席的増加，人工檢測的問題也更加顯著，無法滿足對于現有海量的客服通話進行質量監管的需求。

基于語音的話務質檢系統能夠替代傳統的人工抽檢，從服務合規性與標準、成本控制及服務能力提升等方面帶來價值。采用預設的質檢匹配算法對全量文本數據進行預質檢評分后，再進行指定分配人工質檢[2]。這種方法能夠評價客服人員與客戶交流的全部互動過程，全面反映客服基礎服務素養，以全量數據為支撐，優化服務標準，增強服務技巧，并自動生成全維度分析報表，提高質檢效率，檢測也更加客觀全面。

1? ? 基于語音的話務質檢系統方案

基于語音的話務質檢系統分為4個模塊，分別為服務器、語音分析系統、數據庫和智能質檢系統。

（1）服務器分為錄音服務器、索引服務器和檢索服務器。錄音服務器是供電企業客戶服務中心對客戶服務時所產生的所有通話錄音的保存地址，并且和營銷工單關聯存儲，為質檢提供有效的數據源。錄音的數據傳輸至索引服務器中，生成相應的索引文件。當用戶需要進行檢索時，通過連接檢索服務器進行查詢，此時檢索服務器進行快速查找，并將查詢結果返回至用戶[3]。

（2）語音分析系統包括語音轉譯、場景分割、關鍵詞識別、情感識別等。語音轉譯將服務器中需要質檢的錄音轉換為文本格式的數據，存入數據庫中。在進行語音轉譯的過程中，需要對語音進行預處理、特征提取、模板訓練、識別決策等，以保證最終識別結果的準確性。

（3）智能質檢系統分為質檢模型系統、實時質檢系統、離線質檢系統、統計分析系統。質檢模型系統通過建模，提供了完善的功能，可根據業務需求自主配置多種質檢規則，來滿足不同場景的質檢。實時質檢系統通過與呼叫中心直連，來進行自動化數據流轉，可快速給出質檢結果。離線質檢系統，將海量錄音文件上傳，統一進行質檢處理。統計分析系統對質檢結果進行不同維度的分析，使最終結果的呈現更加結構化。

基于語音的話務質檢系統方案如圖1所示。

2? ? 智能語音分析

2.1? ? 語音轉譯

通過語音轉譯將獲取的錄音音頻數據轉化為結構化的文本格式數據，轉譯成結構化文本信息數據后，有利于錄音定位、問題檢出、便捷檢索等[4]。語音轉譯包括預處理、特征提取、模板訓練等若干步驟，具體如圖2所示。

（1）預處理是對語音信號的初步處理，由于語音識別系統的性能與外界環境具有密切關系，噪聲干擾、混響干擾等都會對識別產生不可預估的影響，因此預處理的好壞將直接影響識別系統后期的識別準確率[5]。

（2）特征提取是指將語音信號中所包含的譜相關特征、韻律學特征、音質特征等進行提取的操作，不同特征對語音信號的刻畫能力不同，在不同場景中的表現力也不同。

（3）語音模板訓練是對語音識別模型的一個訓練過程，該過程需要用到大量樣本，并需要使用部分樣本對模型參數進行優化[6]。當模型訓練完成后，待識別語音經過預處理、特征提取后，便可送入語音模型進行匹配，將匹配結果按照預先設定輸出，即可完成完整的語音轉譯流程。

2.2? ? 場景分割

在錄音服務系統中存儲著客服人員和客戶的全部對話，場景分割技術用于將客服人員的語音和用戶的語音進行分割。質檢系統主要檢測客服人員的語音，而用戶語音主要用來進行數據挖掘分析。按照人的生理特點，場景分割將說話人的可識別特征輸入語音分類，然后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，形成基本的語音片段集[7]。

2.3? ? 關鍵詞識別

在客服人員與用戶通話的過程中，存在一些不規范表述;另外，企業會要求客服人員在通話時必須強調一些內容。關鍵詞識別可準確鎖定有價值信息，有效去除冗余。語音轉譯將錄音信息轉變為文本信息后，利用TextRank算法將文本信息中的關鍵詞提取出來[8]。然后用戶設置自定義關鍵詞提取，將算法提取的關鍵詞和預設好的質檢關鍵詞進行詳細匹配，即可進行關鍵詞識別。

3? ? 智能語音質檢

智能語音質檢包含質檢設置、語音導入、智能質檢、結果顯示、復檢評分5個步驟，具體流程如圖3所示。1D5066AF-983C-4C14-942D-7A3208E2B360

3.1? ? 質檢規則設置

（1）關鍵詞：設置質檢過程中需要格外注意的關鍵詞，例如可以將“您好” “感謝” “請”等詞匯設置為關鍵詞，形成詞庫。也可以將客服人員在與用戶溝通時禁止使用的詞語添加至詞庫，通過質檢統計語音通話中關鍵詞出現的頻率，來進行客觀評分。通過關聯幾個關鍵詞的形式，也能夠進行句子設置。

（2）正則表達式：用戶撥打客服電話，有的時候是為了咨詢電網的一些業務，這個時候，質檢就是要檢測客服人員對于相關問題是否了解清楚、回答是否準確。可通過設置正則表達式，將一些常用的業務流程錄入數據庫，并以一個關鍵詞的形式概述，用戶的語音一旦提到相關內容，質檢系統下一步就將客服回答的內容與表達式中的標準規范進行對比。

（3）對話規則：由于電力企業的業務相對固定，因此用戶一般打電話就是為了咨詢問題、停電投訴、意見反饋等。客服人員在溝通過程中的話術要求可以通過設置對話規則來規范，例如接聽電話，首先要問好、介紹自己、詢問致電意圖;用戶表示要投訴，就要道歉并耐心解決問題;通話結束時，關心用戶是否滿意，確定問題已經解決再掛斷電話。

（4）語速規則：提前設置客服在通話時的語速范圍，包括單句平均語速、完整通話平均語速，通過檢測通話過程中客服的通話語速進行質檢，當觸發語速限制時則進行扣分。同時，可根據單句或整個通話進行語速區分，也可設置特定的對話場景下規避該語速規則，例如用戶要求說話慢一點的時候，之后對話就不再進行語速檢測。

（5）靜音規則：當用戶詢問停電原因時，客服人員往往需要先查明原因才可以回答，這樣一來會造成大段時間靜音。在查詢的過程中，客服人員應保持對話進行，告訴用戶“正在查詢，請稍等”。靜音規則通過檢測通話過程中是否出現靜默場景進行質檢，當觸發靜音限制時則進行扣分。

根據上述規則，設置不同權重的分數占比，同時設置最終形式扣分或加分。

3.2? ? 復檢評分

基于語音分析的話務質檢系統自動將全量錄音根據評分項進行語音預質檢，質檢結果分配給人工質檢員和坐席客服后，人工質檢員將對評分較低的問題錄音進行二次質檢，復核錄音是否存在相應問題。坐席客服收到檢測結果后，如果對于結果表示不滿或者有疑問，可以進行申訴，由坐席值長進行初次審核，是否同意復檢申請，通過后，則由值班經理處理相應錄音。復檢申請流轉到值班經理處進行二次審核，如值班經理同意則將復檢申請流轉到質檢值長進行人工復檢評分，如不同意將結束復檢申請。

坐席可對存疑質檢記錄發起申訴，并由相關負責人進行人工復檢。支持制訂人工抽檢任務，通過自定義規則進行篩選與抽檢，以有效提高人工質檢準確率。通過人工復檢，可逐步完善智能質檢規則，降低誤檢概率。

語音評分流程如圖4所示。

4? ? 結語

基于語音的話務質檢系統，通過信息化、自動化的手段對所有錄音進行詳細檢測，能夠全面高效地檢出全量錄音中存在的問題，挖掘錄音中包含的信息，對于規避合規風險、提高客服水平具有重要意義。以一個每天接通電話量在1 000條左右、每條通話時長3 min左右的客服中心為例，對比使用話務質檢系統前后的質檢覆蓋率、不滿意度、用戶投訴率、發現問題效率、管理成本、自動化程度等，如表1所示，可以清楚地看到，基于語音的話務質檢系統具有非常大的優勢。

基于語音的話務質檢系統將錄音轉換為文本，改變傳統的人工抽檢模式，采用預設的算法對全量數據進行預質檢，便于后續人工復檢。另外，該系統結合業務模型，提高了質檢的公平性和針對性，為市場需求分析提供了有效數據。

[參考文獻]

[1] 王穎，李承桓.基于語音分析的智能質檢系統設計[J].中國新通信，2021，23（12）：59-61.

[2] 武鵬，郭曉蕓，陳鵬，等.基于LSTM網絡的語音服務質檢推薦技術[J].計算機與現代化，2020（7）：76-79.

[3] 李如雄.基于語音分析的智能質檢系統設計[J].自動化與儀器儀表，2017（6）：114-116.

[4] 賈智慧.客服中心語音質檢系統設計與實現[D].西安：西安電子科技大學，2015.

[5] 唐海桃.基于自適應學習和多尺度前向注意力的語音識別研究[D].哈爾濱：哈爾濱工業大學，2020.

[6] 陳海燕，喬麟，蘇立偉.基于語音分析的電力行業智能客服評分方法設計[J].微型電腦應用，2019，35（9）：66-69.

[7] 林曦.呼叫中心質檢系統設計與開發[D].成都：電子科技大學，2011.

[8] 王旭勇.基于語音分析的智能質檢關鍵詞提取方法設計[J].電子世界，2018（19）：174-175.

收稿日期：2022-02-24

作者簡介：燕躍豪（1982—），男，河南鄭州人，高級工程師，研究方向：配電網調控運行和供電服務管理。1D5066AF-983C-4C14-942D-7A3208E2B360