CN109346082A - 基于语音识别的销售订单获取方法、装置、设备及介质 - Google Patents
基于语音识别的销售订单获取方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN109346082A CN109346082A CN201811182132.5A CN201811182132A CN109346082A CN 109346082 A CN109346082 A CN 109346082A CN 201811182132 A CN201811182132 A CN 201811182132A CN 109346082 A CN109346082 A CN 109346082A
- Authority
- CN
- China
- Prior art keywords
- voice
- banquet
- target
- identification
- outgoing call
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 235000021167 banquet Nutrition 0.000 claims abstract description 122
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000013481 data capture Methods 0.000 claims description 3
- 238000011049 filling Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000009432 framing Methods 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 241001672694 Citrus reticulata Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241001122315 Polites Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/5183—Call or contact centers with computer-telephony arrangements
- H04M3/5191—Call or contact centers with computer-telephony arrangements interacting with the Internet
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- Accounting & Taxation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于语音识别的销售订单获取方法、装置、设备及介质,该基于语音识别的销售订单获取方法包括:获取语音外呼请求,语音外呼请求包括坐席分机号;将语音外呼请求发送给电话平台,实时接收电话平台基于坐席分机号和客户标识录制的录制语音;对录制语音进行实时监控,获取包括地址语音信息的目标语音;对目标语音进行降噪,获取待识别语音;将待识别语音输入到预先训练好的地址语音模型中进行识别,获取识别概率值排在前N位的原始地址数据;从识别概率值排在前N位的原始地址数据中选取一个,作为目标地址数据,并填充到预先创建好的订单模板中,生成目标销售订单,该过程无需坐席手动填写订单中的地址信息,提高工作效率。
Description
技术领域
本发明涉及语音识别技术领域,尤其涉及一种基于语音识别的销售订单获取方法、装置、设备及介质。
背景技术
银行、证券和保险等金融机构在金融产品或者其他业务推广时,电话销售是一种常用的推销方式。在电话销售的过程中,坐席和客户沟通过程中需要电话询问产品寄送地址,并由坐席手动记录地址信息,坐席一边通话一边手动记录地址以确定销售订单,很容易出现来不及记录或者记录出错的问题,使得地址记录效率较低且质量无法保证。
发明内容
本发明实施例提供一种基于语音识别的销售订单获取方法、装置、设备及介质,以解决目前电销过程中坐席人工记录地址以确定销售订单的过程中,地址记录效率较低且质量无法保证的问题。
一种基于语音识别的销售订单获取方法,包括:
获取语音外呼请求,所述语音外呼请求包括坐席分机号和客户标识;
将所述语音外呼请求发送给电话平台,实时接收电话平台基于坐席分机号和客户标识录制的录制语音;
对所述录制语音进行实时监控,获取包括地址语音信息的目标语音;
对所述目标语音进行降噪,获取待识别语音;
将所述待识别语音输入到预先训练好的地址语音模型中进行识别,获取识别概率值排在前N位的原始地址数据;
从所述识别概率值排在前N位的原始地址数据中选取一个,作为目标地址数据,将所述目标地址数据填充到预先创建好的订单模板中,生成目标销售订单。
一种基于语音识别的销售订单获取装置,包括:
语音外呼请求获取模块,用于获取语音外呼请求,所述语音外呼请求包括坐席分机号和客户标识;
录制语音接收模块,用于将所述语音外呼请求发送给电话平台,实时接收电话平台基于坐席分机号和客户标识录制的录制语音;
目标语音获取模块,用于对所述录制语音进行实时监控,获取包括地址语音信息的目标语音;
待识别语音获取模块,用于对所述目标语音进行降噪,获取待识别语音;
原始地址数据获取模块,用于将所述待识别语音输入到预先训练好的地址语音模型中进行识别,获取识别概率值排在前N位的原始地址数据;
目标销售订单获取模块,用于从所述识别概率值排在前N位的原始地址数据中选取一个,作为目标地址数据,将所述目标地址数据填充到预先创建好的订单模板中,生成目标销售订单。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于语音识别的销售订单获取方法的步骤。
一种非易失性存储介质,所述非易失性存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述基于语音识别的销售订单获取方法的步骤。
上述基于语音识别的销售订单获取方法、装置、设备及介质中,服务器通过获取语音外呼请求,以便将语音外呼请求发送给电话平台,实时接收电话平台基于语音外呼请求中的坐席分机号录制的录制语音,以便对录制语音进行实时监控,以获取包含地址语音信息的目标语音,以提高模型识别的准确率。对目标语音进行降噪,获取待识别语音,进一步提高模型识别的准确率。将待识别语音输入到预先训练好的地址语音模型中进行识别,获取识别概率值排在前N位的原始地址数据,以便从识别概率值排在前N位的原始地址数据中选取一个,作为目标地址数据,将目标地址数据填充到预先创建好的订单模板中,生成目标销售订单,无需坐席手动填写订单中的地址信息,通过采用地址语音模型以自动识别客户所说的地址信息并相应填写到订单模板中,并减少了单个客户的通话时长,增加坐席的外呼量,提高了工作效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中基于语音识别的销售订单获取方法的一应用环境示意图;
图2是本发明一实施例中基于语音识别的销售订单获取方法的一流程图;
图3是图1中步骤S10的一具体流程图;
图4是图2中步骤S11的一具体流程图;
图5图1中步骤S50的一具体流程图;
图6是本发明一实施例中基于语音识别的销售订单获取装置的一原理框图;
图7是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供的基于语音识别的销售订单获取方法,可应用在如图1的应用环境中,该基于语音识别的销售订单获取方法可应用在电话销售系统中,用于辅助坐席自动记录客户地址,无需坐席手动记录,提高地址记录效率并保证地址记录的质量。其中,计算机设备通过网络与服务器进行通信。计算机设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器来实现。
在一实施例中,如图2所示,提供一种基于语音识别的销售订单获取方法,以该方法应用在图1中的服务器为例进行说明,包括如下步骤:
S10:获取语音外呼请求,语音外呼请求包括坐席分机号。
其中,语音外呼请求是用于触发电话销售系统进行外呼的请求。电话销售系统是坐席进行电话销售所采用的系统。坐席分机号是指电话销售系统中预先存储的给每一坐席配置的用于识别坐席的终端标识。具体地,坐席可通过输入坐席工号和密码进行登录,登录验证通过后方可进入电话销售系统。具体地,当用户进入到电话销售系统中,通过选取所需进行电话销售的客户(即目标客户)进行电话通信,以使服务器基于坐席登录系统时的坐席工号查找数据库中预先存储的与坐席工号相对应的坐席分机号,以获取语音外呼请求。
S20:将语音外呼请求发送给电话平台,实时接收电话平台基于坐席分机号录制的录制语音。
其中,电话平台是用于坐席与客户进行电话通讯的平台。电话平台中预先存储有每一客户的联系方式。录制语音是电话平台在坐席与客户之前建立通讯连接时实时录制的语音。具体地,在客户接通电话时,电话销售系统中的语音识别接口会实时接收电话平台基于坐席分机号和预先存储的客户联系方式建立通信连接所录制的录制语音,该过程无需用户手动输入客户联系方式拨打客户电话,提高工作效率。语音识别接口是用于实时接收录制语音的接口。
S30:对录制语音进行实时监控,获取包括地址语音信息的目标语音。
其中,目标语音是指包含地址语音信息的语音。由于后续地址语音模型是识别地址语音的,而录制语音中还包括其他干扰语音,如坐席在接通电话时所说的礼貌性用语,这些干扰语音并不是后续模型识别所要用到的数据,因此需要对录制语音进行实时监控,获取包含地址语音信息的目标语音,以提高后续模型识别的准确率。
S40:对目标语音进行降噪,获取待识别语音。
其中,待识别语音是指对目标语音进行降噪后所获取的较纯净的语音,具体地,由于电话平台采集到的语音一般都带有噪声,包括背景环境中的噪声以及前端通信设备(如电话)录音过程中产生的噪声,此携带噪声的语音在进行语音识别时,会影响语音识别的准确性,因此,需要对目标语音进行降噪处理,以从该目标语音中尽可能提取到更纯净的语音作为待识别语音,使得后续基于待识别语音进行语音识别时,识别结果更加准确。其中,对目标语音进行降噪的方法包括但不限于采用谱减法、EEMD分解算法和SVD奇异值算法等。
S50:将待识别语音输入到预先训练好的地址语音模型中进行识别,获取排在前N位的原始地址数据。
其中,地址语音模型是预先训练好的用于将待识别语音识别成地址数据的模型。可理解地,该地址语音模型与语音识别接口相关联,即通过语音识别接口接收录制语音并对录制语音进行监控和降噪处理,以获取待识别语音,并将待识别语音输入到地址语音模型中进行识别。该地址语音模型的训练数据是采集目前地址库相关的语音数据,并混合了设备噪音数据作为训练数据进行训练,以增强基于该训练数据训练获得的地址语音模型进行语音识别的准确率。
S60:从识别概率值排在前N位的原始地址数据中选取一个,作为目标地址数据,将目标地址数据填充到预先创建好的订单模板中,生成目标销售订单。
具体地,服务器获取到包含N个模糊的原始地址数据时,系统会弹出地址编辑交互界面,该地址编辑交互界面中会以列表的方式显示N个原始地址数据,以供用户选择,待用户选择N个原始地址数据中的一个原始地址数据后,进行点击操作,使得服务器获取用户选择请求,并根据用户选择请求将用户所选择的原始地址数据作为目标地址数据,保证目标地址数据的准确性。然后,服务器将该目标地址数据填充至预先创建好的订单模板上对应的地址信息栏中,以生成目标销售订单,该过程无需坐席手动填写订单中的地址信息,通过采用地址语音模型相结合以自动识别客户所说的地址信息,并相应填写到订单模板中,减少了单个客户的通话时长,增加坐席的外呼量,提高了工作效率。
进一步地,每一目标销售订单成单后,电话销售系统会基于目标销售订单的成单时间确定其对应的截止日期,并实时追踪每一目标订单的当前状态(如运输中或已送达),以便及时跟进该目标销售订单的进度,保障目标销售订单的顺利进行,并有利于每月汇总销售订单的处理情况。具体地,若目标销售订单已到达截止日期,而订单状态仍为运输中,则系统会提醒对应的坐席,以便坐席及时了解情况,提升坐席信誉度。截止日期是根据目前运输业的数据设定的,一般为产品寄出当天为基准日期向后推算7天。
本实施例中,服务器通过获取语音外呼请求,以便将语音外呼请求发送给电话平台,实时接收电话平台基于语音外呼请求中的坐席分机号和电话平台中预存储的客户联系方式,建立通信连接所录制的录制语音,无需用户手动输入客户联系方式拨打客户电话,提高工作效率。然后,对录制语音进行实时监控,以获取包含地址语音信息的目标语音,排除干扰语音,以提高模型识别的准确率。对目标语音进行降噪,获取待识别语音,进一步提高模型识别的准确率。将待识别语音输入到预先训练好的地址语音模型中进行识别,获取识别概率值排在前N位的原始地址数据,以便根据原始地址数据,获取目标地址数据,将目标地址数据填充到预先创建好的订单模板中,生成目标销售订单,无需坐席手动填写订单中的地址信息,通过采用地址语音模型以自动识别客户所说的地址信息并相应填写到订单模板中,减少了单个客户的通话时长,增加坐席的外呼量,提高了工作效率。
在一实施例中,如图3所示,步骤S10中,即获取语音外呼请求,具体包括如下步骤:
S11:获取目标销售名单。
其中,目标销售名单是服务器根据坐席的需求对当前下发的销售名单中的客户进行筛选所得到的销售名单。目标销售名单中包括M(M为大于1的正整数)个客户数据。具体地,在坐席成功登录电话销售系统后,会显示一交互页面,该交互界面中包括筛选条件,即坐席可通过筛选条件进行筛选,以便服务器根据坐席的筛选条件,获取目标销售名单,并在交互界面上显示该目标销售名单,以供坐席从该目标销售名单中选择目标客户进行电话销售。可理解地,在交互界面上显示目标销售名单时会按照客户的优先等级,以列表或其他显示形式进行显示,即按照客户优先等级的高低显示目标销售名单。客户优先等级可由数据岗分配销售名单时预先设定的,也可预先根据每一客户的历史成单记录进行统计,以确定客户优先等级。
S12:基于目标销售名单,获取电话销售请求,电话销售请求包括预先创建好的订单模板;订单模板包括外呼选项。
具体地,用户可点击目标销售名单上的目标客户,以使服务器获取电话销售请求,并基于电话销售请求,获取预先创建好的订单模板,订单模板中包括目标客户的个人信息、产品信息、寄送地址栏和外呼选项。由于电话销售系统中预先存储有目标客户的个人信息(如姓名),因此坐席在选择目标销售名单的目标客户,获取与该目标客户对应的订单模板时,服务器会将预先存储的目标客户的个人信息自动映射到订单模板中,无需坐席手动填写,减少工作量,提高工作效率。
为了避免用户信息泄露,该订单模板中虽然包括目标客户的个人信息,但不会显示目标客户的完整个人信息给坐席。例如,目标销售名单中只显示用户的姓氏以及性别,如张先生或李小姐,以保障客户个人信息的安全性。
S13:基于外呼选项,获取语音外呼请求。
具体地,坐席可直接点击订单模板中的外呼选项(即“外呼”按钮),以使服务器获取语音外呼请求,无需坐席手动输入客户联系方式,提高坐席工作效率,同时避免手动操作的失误。
本实施例中,服务器先获取目标销售名单,以便坐席基于目标销售名单进行选择,以使服务器获取电话销售请求,并基于电话销售请求,获取预先创建好的订单模板,以将预存储的目标客户的个人信息自动映射到订单模板中,无需坐席手动填写,减少工作量,提高工作效率。基于订单模板中的外呼选项,获取语音外呼请求,无需坐席手动输入客户联系方式,提高坐席工作效率,同时可有效避免手动操作的失误。
具体地,步骤S11中,即获取目标销售名单,具体包括如下步骤:
S111:获取销售名单查询请求,销售名单查询请求包括处理状态和/或优先等级。
其中,销售名单查询请求是用于触发电话销售系统中查询功能的请求。处理状态包括预约状态和待处理状态。预约状态是指包括坐席在上一时刻外呼但未被接通的客户对应的处理状态,待处理状态是指未被处理过的客户对应的处理状态。具体地,在坐席成功登录电话销售系统后,会在交互界面上显示筛选条件,该筛选条件包括处理状态和优先等级,坐席可对处理状态和/或优先等级进行选择,以使服务器获取销售名单查询请求。
S112:基于处理状态和/或优先等级查询数据库,获取目标销售名单。
具体地,服务器基于处理状态和/或优先等级查询数据库,以从数据库中获取与坐席选择的处理状态和/或优先等级相匹配的客户,以生成目标销售名单。可理解地,目标销售名单中包括数据库中与坐席选择的处理状态和/或优先等级相匹配的所有客户数据。
本实施例中,服务器先获取销售名单查询请求,以便根据销售名单查询请求中的处理状态和/或优先等级查询数据库,获取目标销售名单,该过程可按照坐席需求选取所需拨打电话的目标销售名单进行电话销售,自定义调整每天需拨打电话的销售名单,即目标销售名单,提高电话销售系统的实用性。
在一实施例中,录制语音包括基于同一通话进程采集的坐席声道语音和客户声道语音。步骤S30中,即对录制语音进行实时监控,获取包括地址语音信息的目标语音,具体包括如下步骤:
S31:对坐席声道语音进行实时监控,若坐席声道语音的监控结果包括预设关键词,则获取包含预设关键词的坐席声道语音对应的录制时间,默认将录制时间之后的客户声道语音包含地址语音信息,获取目标语音。
可理解地,在客户与坐席通话的过程中,电话平台会对客户与坐席的通话内容进行录制,在录制过程中,主要采集两个声道(即坐席声道和客户声道)的语音(坐席声道采集的坐席声道语音和客户声道采集的客户声道语音),在电话平台中会预先设定好客户和坐席的分别对应哪一声道。本实施例中,坐席声道采集的语音为坐席声道语音,客户声道采集的语音为客户声道语音。可理解,坐席通过坐席声道向客户进行提问,客户就坐席提出的问题通过客户声道进行回复。具体地,语音识别接口会实时接收录制语音,并调用监控模块对坐席声道语音进行实时监控,若监控模块监控到坐席声道语音的监控结果包括预设关键词,则获取包含预设关键词(如寄送地址)的坐席声道语音对应的录制时间,默认录制时间之后的客户的回复即客户声道语音包含地址语音信息,以获取目标语音,并将目标语音输入到地址语音识别模型中进行识别,获取原始地址数据,以排除干扰语音,提高后续模型识别的准确率和效率。其中,监控模块是用于采用预先构建好的语音识别模型对坐席声道语音进行监控的模块。需说明,该语音识别模型是用于识别语音的通用模型,而地址语音识别模型用于识别地址语音的专用模型。语音识别接口在实时接收录制语音时,先采用语音识别模型对录制语音进行监控,获取包含地址信息的目标语音,再将目标语音输入至地址语音模型中进行识别。
本实施例中,通过对坐席声道语音进行实时监控,若坐席声道语音的监控结果包括预设关键词,则获取包含预设关键词的坐席声道语音对应的录制时间,将录制时间之后的客户声道语音作为目标语音,以排除干扰语音,提高后续模型识别的准确率和效率。
在一实施例中,如图4所示,步骤S50中,即将待识别语音输入到预先训练好的地址语音模型中进行识别,获取识别概率值排在前N位的原始地址数据,具体包括如下步骤:
S51:对待识别语音进行预处理,获取第一识别语音。
其中,对待识别语音进行预处理包括:分帧、加窗和预加重。分帧是将N个采样点集合成一个观测单位,称为帧。通常情况下N的值为256或512,涵盖的时间约为20-30ms左右。为避免相邻两帧的变化过大,通过使相邻两帧之间有一段重叠区域,此重叠区域包含了M个采样点,通常M的值约为N的1/2或1/3,此过程称为分帧。
加窗是每一帧乘以汉明窗(即Hamming Window),由于汉明窗的幅频特性是旁瓣衰减较大,服务器通过对单帧语音数据进行加窗处理,可增加帧左端和帧右端的连续性。即通过对分帧后的单帧语音数据进行加窗处理,可将非平稳语音信号转变为短时平稳信号。设分帧后的信号为S(n),n=0,1…,N-1,N为帧的大小,汉明窗的信号为W(n),则加窗处理后的信号为S'(n)=S(n)×W(n),其中,N为帧的大小,不同的a值会产生不同的汉明窗,一般情况下a取0.46。
预加重是将加窗后的单帧语音数据通过一个高通滤波器H(Z)=1-μz-1,其中,μ值介于0.9-1.0之间,Z表示单帧语音数据,预加重的目标是提升高频部分,使信号的频谱更平滑,保持在低频到高频的整个频带中,能用同样的信噪比求频谱,突出高频的共振峰。
S52:对第一识别语音进行特征提取,获取语音特征。
其中,语音特征包括但不限于采用滤波器(Filter-Bank,简称Fbank)特征。滤波器特征是语音识别过程中常用的语音特征。由于常用的梅尔特征在模型识别过程中会对信息进行降维处理,导致部分信息的丢失,为避免上述问题出现,本实施例中采用滤波器特征代替常用的梅尔特征,可有助于提高后续模型识别的准确率。相应地,语音特征是采用ASR语音特征提取算法对待识别语音信息进行特征提取所获取的滤波器特征。ASR(AutomaticSpeech Recognition,自动语音识别),是一种将人的语音转换为文本的技术。ASR语音特征提取算法是ASR技术中用于实现语音特征提取的算法。滤波器(Filter-Bank,简称Fbank)特征是语音识别过程中常用的语音特征。
S53:将语音特征输入到预先训练好的地址语音模型中进行识别,获取至少一个识别概率值;每一识别概率值对应一识别地址数据。
可理解,地址语音模型包括预先训练好的声学模型和语言模型。地址语音模型的训练数据是采集目前地址库相关的语音数据,并混合设备噪音数据作为训练数据进行训练,以增强语音识别的准确率。其中,声学模型是用来获取语音特征对应的音素序列。音素是由语音中最小的单位,可理解为汉字里面的拼音。例如:汉语音节ā(啊)只有一个音素,ài(爱)有两个音素,dāi(呆)有三个音素等。声学模型的训练方法包括但不限于采用GMM-HMM(混合高斯模型)进行训练。语言模型是用于将音素序列转换为自然语言文本的模型。本案中,语言模型可采用N-Gram语言模型。N-Gram是大词汇连续语音识别中常用的一种语言模型,利用上下文中相邻词间的搭配信息,在需要把连续无空格的拼音转换成汉字串(即句子)时,可以计算出具有最大概率的句子,从而实现到句子的自动转换。具体地,服务器将语音特征输入到预先训练好的声学模型中进行识别,获取语音特征对应的音素序列,然后将获取的音素序列输入到预先训练好的语言模型中进行转换,以获取至少一个识别概率值,每一识别概率值对应一识别地址数据,以便后续从至少一个识别地址数据中选取N个原始地址数据。
S54:选取识别地址数据对应的识别概率值大于预设阈值的前N位识别地址数据作为识别概率值排在前N位的原始地址数据。
具体地,由于说话人的普通话可能不是标准,因此识别的结果可能为多个,会产生N(N位正整数)个原始地址数据,选取识别概率值大于预设阈值的前N个识别结果作为原始地址数据。本实施例中,N为3,即获取识别概率值大于预设阈值且排在前3位的原始地址数据,保证识别结果的准确性,避免将识别概率值不大于预设阈值的识别地址数据作为识别概率值排在前N位的原始地址数据。例如,获取的识别概率值为80%、30%、70%和65%,预设阈值为60%,获取识别识别概率值大于预设阈值且排在前3位的原始地址数据,即识别概率值为80%、70%和65%对应的原始地址数据。
本实施例中,通过对待识别语音进行预处理,获取平稳且连续的第一识别语音。然后采用ASR语音特征提取算法对第一识别语音进行特征提取,获取滤波器特征作为语音特征,以避免语音中的部分信息丢失,影响模型的准确率。将语音特征输入到预先训练好的地址语音模型中进行识别,获取至少一个识别概率值;每一识别概率值对应一识别地址数据,以便选取识别地址数据对应的识别概率值大于预设阈值的前N位识别地址数据作为识别概率值排在前N位的原始地址数据,该过程所获取的原始地址数据可有效辅助坐席记录客户地址,在手动记录来不及记录的情况下起到提醒作用,无需多次询问客户地址,减少单个客户的通话时长,增加外呼量。
在一实施例中,坐席分机号对应坐席工号,目标销售订单包括客户信息和产品信息;如图5所示,步骤S60之后,该基于语音识别的销售订单获取方法包括:
S71:将坐席工号、客户信息和产品信息存储在订单信息表中。
具体地,在获取到目标销售订单后,服务器会将该目标销售订单中的客户信息、产品信息和坐席工号关联存储在订单信息表中。该订单信息表中包括与目标销售订单对应的订单ID,每一订单ID对应坐席工号、客户信息(如客户年龄、性别和职业等)、产品信息(如理财产品A)以及成单时间等字段。
S72:获取成单量分析模板,成单量分析模板包括至少一个汇总字段。
其中,成单量分析模板是预先创建好的用于对订单信息表中的数据进行统计分析的模板。该成单量分析模板包括至少一个汇总字段,该汇总字段包括但不限于坐席周期成单量、客户成单量、产品销售量和营销推荐时间等。坐席成单量是用于统计坐席预设周期内的成单量。预设周期是预先设置的用于进行成单量统计的周期,可以设置为1个月。客户成单量是指客户的历史成单量。产品销售量是用于统计不同产品的销售量。营销推荐时间是用于统计不同职业的客户的成单时间一般在哪一时间段内。
S73:定期依据至少一个汇总字段对订单信息表进行统计,获取与至少一个汇总字段相对应的特征值;并将特征值映射到成单量分析模板中,获取成单量分析报告。
具体地,服务器会按照预设周期,定期依据至少一个汇总字段对订单信息表进行统计,获取与至少一个汇总字段相对应的特征值。例如,预设周期为1周,设置定时统计时间为每周五18:00,则在每周五18:00时,服务器会统计过去一周内订单信息表中的数据,通过统计坐席工号对应的目标销售订单的数量,以获取坐席周期成单量对应的特征值,并将该特征值映射到成单量分析模板中的坐席周期成单量中。通过统计不同产品对应的目标销售订单,以获取产品销售量对应的特征值,并将该特征值映射到成单量分析模板中的产品销售量中。通过统计不同客户对应的目标销售订单,以获取客户成单量对应的特征值,并将该特征值映射到成单量分析模板中的客户成单量中。通过统计不同职业的客户对应的成单时间,以确定不同职业的客户对应的成单量较高的时间区间,将该时间区间作为营销推荐时间的特征值,并将特征值映射到成单量分析模板中。可以理解地,在将成单量分析模板中每一汇总字段对应的特征值映射到成单量分析模板中,即可获取成单量分析报告,其过程无需手动编辑,节省时间。
可以理解地,在获取每一坐席工号对应的成单量即坐席成单量后,对所有坐席的坐席成单量进行降序排序,以便服务器根据成单量的顺序给每一坐席工号对应的坐席合理分配销售名单(销售名单是系统下发给坐席的需要进行电话销售的包含Z个客户数据的名单),以保障销售名单分配的合理性,有助于提高整体成单率。
进一步地,在获取不同职业客户对应的营销推荐时间后,会将该营销推荐时间推荐给坐席,即在订单模板中显示营销推荐时间。例如,若客户的职业为医生,则由于医院的人流量很大,医生的工作繁忙,一般在中午午休时会有闲余时间接听电话,则上午11:00-下午2:00为成单量较高时间,则将该时间区间作为职业为医生的客户的营销推荐时间,以辅助坐席完成订单。并且,订单模板中还会显示每一客户的历史营销记录,以便坐席能够根据该历史营销记录合理的推销产品,提高成单率。
本实施例中,服务器先将坐席工号、客户信息和产品信息存储在订单信息表中,以便汇总订单信息。然后,获取成单量分析模板,以便依据成单量分析模板中的至少一个汇总字段,对订单信息表进行统计,获取与至少一个汇总字段相对应的特征值,该过程由服务器定期自动统计,无需人工干预,提高工作效率。最后,将特征值映射到成单量分析模板中,获取成单量分析报告,无需手动编辑,节省时间,且通过获取成单量分析模板,以便定期分析每月成单情况,及时调整策略,有利于企业的成产经营。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种基于语音识别的销售订单获取装置,该基于语音识别的销售订单获取装置与上述实施例中基于语音识别的销售订单获取方法一一对应。如图6所示,该基于语音识别的销售订单获取装置包括语音外呼请求获取模块10、录制语音接收模块20、目标语音获取模块30、待识别语音获取模块40、原始地址数据获取模块50和目标销售订单获取模块60。各功能模块详细说明如下:
语音外呼请求获取模块10,用于获取语音外呼请求,语音外呼请求包括坐席分机号。
录制语音接收模块20,用于将语音外呼请求发送给电话平台,实时接收电话平台基于坐席分机号和客户标识录制的录制语音。
目标语音获取模块30,用于对录制语音进行实时监控,获取包括地址语音信息的目标语音。
待识别语音获取模块40,用于对目标语音进行降噪,获取待识别语音。
原始地址数据获取模块50,用于将待识别语音输入到预先训练好的地址语音模型中进行识别,获取识别概率值排在前N位的原始地址数据。
目标销售订单获取模块60,用于从识别概率值排在前N位的原始地址数据中选取一个,作为目标地址数据,将目标地址数据填充到预先创建好的订单模板中,生成目标销售订单。
具体地,语音外呼请求获取模块包括目标销售名单获取单元、外呼选项获取单元和语音外呼请求获取单元。
目标销售名单获取单元,用于获取目标销售名单。
外呼选项获取单元,用于基于目标销售名单,获取电话销售请求,电话销售请求包括预先创建好的订单模板;订单模板包括外呼选项。
语音外呼请求获取单元,用于基于外呼选项,获取语音外呼请求。
具体地,该基于语音识别的销售订单获取装置还包括订单信息存储单元、成单量分析模板获取单元和成单量分析报告获取单元。
订单信息存储单元,用于将坐席工号、客户信息和产品信息存储在订单信息表中。
成单量分析模板获取单元,用于获取成单量分析模板,成单量分析模板包括至少一个汇总字段。
成单量分析报告获取单元,用于定期依据至少一个汇总字段对订单信息表进行统计,获取与至少一个汇总字段相对应的特征值;并将特征值映射到成单量分析模板中,获取成单量分析报告。
具体地,录制语音包括基于同一通话进程采集的坐席声道语音和客户声道语音;目标语音获取模块具体为:对坐席声道语音进行实时监控,若坐席声道语音的监控结果包括预设关键词,则获取包含预设关键词的坐席声道语音对应的录制时间,默认将录制时间之后的客户声道语音包含地址语音信息,获取包括地址语音信息的目标语音。
具体地,原始地址数据获取模块包括第一识别语音获取单元、第一识别语音获取单元、识别概率值获取单元和原始地址数据获取单元。
第一识别语音获取单元,用于对待识别语音进行预处理,获取第一识别语音。
第一识别语音获取单元,用于对第一识别语音进行特征提取,获取语音特征。
识别概率值获取单元,用于将语音特征输入到预先训练好的地址语音模型中进行识别,获取至少一个识别概率值,每一识别概率值对应一识别地址数据。
原始地址数据获取单元,用于选取识别地址数据对应的识别概率值大于预设阈值的前N位识别地址数据作为识别概率值排在前N位的原始地址数据。
关于基于语音识别的销售订单获取装置的具体限定可以参见上文中对于基于语音识别的销售订单获取方法的限定,在此不再赘述。上述基于语音识别的销售订单获取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于用于存储执行基于语音识别的销售订单获取方法过程中生成或获取的数据,如目标销售订单。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一基于语音识别的销售订单获取方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例中的基于语音识别的销售订单获取方法的步骤,例如图2所示的步骤S10-S60,或者图3至图5中所示的步骤。或者,处理器执行计算机程序时实现基于语音识别的销售订单获取装置这一实施例中的各模块/单元的功能,例如图6所示的各模块/单元的功能,为避免重复,这里不再赘述。
在一实施例中,提供一计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中基于语音识别的销售订单获取方法的步骤,例如图2所示的步骤S10-S60,或者图3至图5中所示的步骤,为避免重复,这里不再赘述。或者,该计算机程序被处理器执行时实现上述基于语音识别的销售订单获取装置这一实施例中的各模块/单元的功能,例如图6所示的各模块/单元的功能,为避免重复,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于语音识别的销售订单获取方法,其特征在于,包括:
获取语音外呼请求,所述语音外呼请求包括坐席分机号;
将所述语音外呼请求发送给电话平台,实时接收电话平台基于坐席分机号和客户标识录制的录制语音;
对所述录制语音进行实时监控,获取包括地址语音信息的目标语音;
对所述目标语音进行降噪,获取待识别语音;
将所述待识别语音输入到预先训练好的地址语音模型中进行识别,获取识别概率值排在前N位的原始地址数据;
从所述识别概率值排在前N位的原始地址数据中选取一个,作为目标地址数据,将所述目标地址数据填充到预先创建好的订单模板中,生成目标销售订单。
2.如权利要求1所述的基于语音识别的销售订单获取方法,其特征在于,所述将所述待识别语音输入到预先训练好的地址语音模型中进行识别,获取排在前N位的原始地址数据,包括:
对所述待识别语音进行预处理,获取第一识别语音;
对所述第一识别语音进行特征提取,获取语音特征;
将所述语音特征输入到预先训练好的地址语音模型中进行识别,获取至少一个识别概率值;每一所述识别概率值对应一识别地址数据;
选取所述识别地址数据对应的识别概率值大于预设阈值的前N位识别地址数据作为所述识别概率值排在前N位的原始地址数据。
3.如权利要求1所述的基于语音识别的销售订单获取方法,其特征在于,所述录制语音包括基于同一通话进程采集的坐席声道语音和客户声道语音;
所述对所述录制语音进行实时监控,获取包括地址语音信息的目标语音,包括:对所述坐席声道语音进行实时监控,若所述坐席声道语音的监控结果包括预设关键词,则获取包含所述预设关键词的所述坐席声道语音对应的录制时间,默认所述录制时间之后的客户声道语音包含地址语音信息,获取包括地址语音信息的目标语音。
4.如权利要求1所述的基于语音识别的销售订单获取方法,其特征在于,所述获取语音外呼请求,包括:
获取目标销售名单;
基于所述目标销售名单,获取电话销售请求,所述电话销售请求包括预先创建好的订单模板;所述订单模板包括外呼选项;
基于所述外呼选项,获取所述语音外呼请求。
5.如权利要求4所述的基于语音识别的销售订单获取方法,其特征在于,所述坐席分机号对应坐席工号,所述目标销售订单包括客户信息和产品信息;
在所述生成目标销售订单的步骤之后,所述基于语音识别的销售订单获取方法包括:
将所述坐席工号、所述客户信息和所述产品信息存储在订单信息表中;
获取成单量分析模板,所述成单量分析模板包括至少一个汇总字段;
定期依据至少一个所述汇总字段对所述订单信息表进行统计,获取与至少一个所述汇总字段相对应的特征值;并将所述特征值映射到所述成单量分析模板中,获取成单量分析报告。
6.一种基于语音识别的销售订单获取装置,其特征在于,包括:
语音外呼请求获取模块,用于获取语音外呼请求,所述语音外呼请求包括坐席分机号;
录制语音接收模块,用于将所述语音外呼请求发送给电话平台,实时接收电话平台基于坐席分机号和客户标识录制的录制语音;
目标语音获取模块,用于对所述录制语音进行实时监控,获取包括地址语音信息的目标语音;
待识别语音获取模块,用于对所述目标语音进行降噪,获取待识别语音;
原始地址数据获取模块,用于将所述待识别语音输入到预先训练好的地址语音模型中进行识别,获取识别概率值排在前N位的原始地址数据;
目标销售订单获取模块,用于从识别概率值排在前N位的原始地址数据中选取一个,作为目标地址数据,将所述目标地址数据填充到预先创建好的订单模板中,生成目标销售订单。
7.如权利要求6所述的基于语音识别的销售订单获取装置,其特征在于,所述原始地址数据获取模块包括:
第一识别语音获取单元,用于对所述待识别语音进行预处理,获取第一识别语音;
语音特征获取单元,用于对所述第一识别语音进行特征提取,获取语音特征;
识别概率值获取单元,用于将所述语音特征输入到预先训练好的地址语音模型中进行识别,获取至少一个识别概率值;每一所述识别概率值对应一识别地址数据;
原始地址数据获取单元,用于选取所述识别地址数据对应的识别概率值大于预设阈值的前N位识别地址数据作为所述识别概率值排在前N位的原始地址数据。
8.如权利要求6所述的基于语音识别的销售订单获取装置,其特征在于,所述语音外呼请求获取模块包括:
目标销售名单获取单元,用于获取目标销售名单;
外呼选项获取单元,用于基于所述目标销售名单,获取电话销售请求,所述电话销售请求包括预先创建好的订单模板;所述订单模板包括外呼选项;
语音外呼请求获取单元,用于基于所述外呼选项,获取所述语音外呼请求。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述基于语音识别的销售订单获取方法的步骤。
10.一种非易失性存储介质,所述非易失性存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于语音识别的销售订单获取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811182132.5A CN109346082A (zh) | 2018-10-11 | 2018-10-11 | 基于语音识别的销售订单获取方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811182132.5A CN109346082A (zh) | 2018-10-11 | 2018-10-11 | 基于语音识别的销售订单获取方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109346082A true CN109346082A (zh) | 2019-02-15 |
Family
ID=65308792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811182132.5A Pending CN109346082A (zh) | 2018-10-11 | 2018-10-11 | 基于语音识别的销售订单获取方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109346082A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084636A (zh) * | 2019-03-19 | 2019-08-02 | 平安普惠企业管理有限公司 | 提高电话销售效率方法、装置、计算机设备及存储介质 |
CN110099246A (zh) * | 2019-02-18 | 2019-08-06 | 深度好奇(北京)科技有限公司 | 监控调度方法、装置、计算机设备及存储介质 |
CN110149449A (zh) * | 2019-05-21 | 2019-08-20 | 圆通速递有限公司 | 通过语音识别及智能解析自动登记信息的方法和系统 |
CN113496702A (zh) * | 2020-04-03 | 2021-10-12 | 北京京东振世信息技术有限公司 | 音频信号响应方法、装置、计算机可读介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106981291A (zh) * | 2017-03-30 | 2017-07-25 | 上海航动科技有限公司 | 一种基于语音识别的智能核单质检系统 |
KR20170121958A (ko) * | 2016-04-26 | 2017-11-03 | 중소기업은행 | 음성인식을 이용한 상품 주문 시스템 |
CN107423275A (zh) * | 2017-06-27 | 2017-12-01 | 北京小度信息科技有限公司 | 订单信息生成方法及装置 |
CN108876545A (zh) * | 2018-06-22 | 2018-11-23 | 北京小米移动软件有限公司 | 订单识别方法、装置和可读存储介质 |
-
2018
- 2018-10-11 CN CN201811182132.5A patent/CN109346082A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170121958A (ko) * | 2016-04-26 | 2017-11-03 | 중소기업은행 | 음성인식을 이용한 상품 주문 시스템 |
CN106981291A (zh) * | 2017-03-30 | 2017-07-25 | 上海航动科技有限公司 | 一种基于语音识别的智能核单质检系统 |
CN107423275A (zh) * | 2017-06-27 | 2017-12-01 | 北京小度信息科技有限公司 | 订单信息生成方法及装置 |
CN108876545A (zh) * | 2018-06-22 | 2018-11-23 | 北京小米移动软件有限公司 | 订单识别方法、装置和可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110099246A (zh) * | 2019-02-18 | 2019-08-06 | 深度好奇(北京)科技有限公司 | 监控调度方法、装置、计算机设备及存储介质 |
CN110084636A (zh) * | 2019-03-19 | 2019-08-02 | 平安普惠企业管理有限公司 | 提高电话销售效率方法、装置、计算机设备及存储介质 |
CN110149449A (zh) * | 2019-05-21 | 2019-08-20 | 圆通速递有限公司 | 通过语音识别及智能解析自动登记信息的方法和系统 |
CN113496702A (zh) * | 2020-04-03 | 2021-10-12 | 北京京东振世信息技术有限公司 | 音频信号响应方法、装置、计算机可读介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108763499B (zh) | 基于智能语音的呼叫质检方法、装置、设备及存储介质 | |
CN109346082A (zh) | 基于语音识别的销售订单获取方法、装置、设备及介质 | |
US11004013B2 (en) | Training of chatbots from corpus of human-to-human chats | |
US10372891B2 (en) | System and method for identifying special information verbalization timing with the aid of a digital computer | |
US8589172B2 (en) | Automatic detection, summarization and reporting of business intelligence highlights from automated dialog systems | |
US6937705B1 (en) | Apparatus and method for visually representing events in calls handled by an automated response system | |
US7039166B1 (en) | Apparatus and method for visually representing behavior of a user of an automated response system | |
US7003079B1 (en) | Apparatus and method for monitoring performance of an automated response system | |
US6904143B1 (en) | Apparatus and method for logging events that occur when interacting with an automated call center system | |
US6922466B1 (en) | System and method for assessing a call center | |
US6898277B1 (en) | System and method for annotating recorded information from contacts to contact center | |
US10847136B2 (en) | System and method for mapping a customer journey to a category | |
US11336771B2 (en) | Method and system for accurate automatic call tracking and analysis | |
CN107197463A (zh) | 一种电话诈骗的检测方法、存储介质及电子设备 | |
CN108764649A (zh) | 保险销售实时监控方法、装置、设备及存储介质 | |
CN110177182A (zh) | 敏感数据处理方法、装置、计算机设备及存储介质 | |
WO2019128514A1 (zh) | 推送信息的方法和装置、确定输入默认值的方法和装置 | |
CN110263329A (zh) | 软件产品测评处理方法、装置、计算机设备及存储介质 | |
CN110475032A (zh) | 多业务界面切换方法、装置、计算机装置及存储介质 | |
CN108765128A (zh) | 贷款自动还款方法、系统、设备及存储介质 | |
CN110147930A (zh) | 基于大数据分析的数据统计方法、装置及存储介质 | |
US10620799B2 (en) | Processing system for multivariate segmentation of electronic message content | |
CN110310127A (zh) | 录音获取方法、装置、计算机设备及存储介质 | |
CN109800703A (zh) | 基于微表情的风险审核方法、装置、计算机设备及存储介质 | |
CN113438374A (zh) | 智能外呼处理方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |