一、傳統(tǒng)語音質(zhì)檢存在的問題

1、人工質(zhì)檢抽樣比覆蓋不足：集團(tuán)的業(yè)務(wù)的迅猛發(fā)展，業(yè)務(wù)量的增加，導(dǎo)致質(zhì)檢人員缺口增加，質(zhì)檢抽樣比度則會大大下降。

2、人工質(zhì)檢完成速度存在局限性：比如：熟練質(zhì)檢員每日可以完成40-50通電話的質(zhì)檢工作，而新質(zhì)檢員則只能完成20-30通;質(zhì)檢的滯后性。

3、人工質(zhì)檢存在人為判斷誤差：情緒波動、工作疲勞或者人情等因素的影響;對于質(zhì)檢人員，由于崗位限制更多的關(guān)注公平公正，而非對企業(yè)有價值部分需求挖掘。

4、人工質(zhì)檢結(jié)果無法歸類分析：現(xiàn)有的質(zhì)檢結(jié)果信息較單一，無法做分類匯總或者做類別交叉分析，也無法進(jìn)行最根本原因分析。最終也無法形成相對比較正式規(guī)劃的數(shù)據(jù)報表。

二、智能語音分析的實現(xiàn)

1、語音轉(zhuǎn)寫

基于非特定人的、連續(xù)自然語音的識別。可針對客服領(lǐng)域錄音、及特定業(yè)務(wù)進(jìn)行優(yōu)化，實現(xiàn)通話內(nèi)容自動轉(zhuǎn)寫成文字。

將分離后的語音通過聲學(xué)模型轉(zhuǎn)換為對應(yīng)的漢語音標(biāo)符號，音標(biāo)信息再通過超大詞匯網(wǎng)絡(luò)的語言模型識別出最終對應(yīng)的文本內(nèi)容。

根據(jù)地方口音及說法特點，通過大量語料訓(xùn)練，不斷優(yōu)化聲學(xué)模型及語言模型。

結(jié)合業(yè)務(wù)知識和服務(wù)范圍，優(yōu)化關(guān)注業(yè)務(wù)的識別效果，修正語音轉(zhuǎn)寫結(jié)果。

2、關(guān)鍵詞檢出

通過分析指定語音段，檢測到指定關(guān)鍵詞，并返回該關(guān)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(guān)鍵詞順序進(jìn)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(guān)鍵詞是否完備

? 服務(wù)忌語檢查：檢查客服人員對話中是否包含服務(wù)忌語。

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(jìn)行分離，提供針對性分析應(yīng)用基礎(chǔ)。

4、情緒檢測

情緒檢測，能夠?qū)⒖头I(lǐng)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(yīng)的異常產(chǎn)生位置及可信度。