CN109873907A - 呼叫处理方法、装置、计算机设备及存储介质 - Google Patents
呼叫处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109873907A CN109873907A CN201910250374.1A CN201910250374A CN109873907A CN 109873907 A CN109873907 A CN 109873907A CN 201910250374 A CN201910250374 A CN 201910250374A CN 109873907 A CN109873907 A CN 109873907A
- Authority
- CN
- China
- Prior art keywords
- incoming call
- voice data
- blacklist
- terminal
- target
- 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.)
- Granted
Links
Landscapes
- Telephonic Communication Services (AREA)
- Telephone Function (AREA)
Abstract
本发明公开一种呼叫处理方法、装置、计算机设备和存储介质,该方法包括将呼入号码和与被呼号码对应的黑名单号码进行匹配,获取黑名单匹配结果;若黑名单匹配结果为匹配失败,则与主呼终端通信连接并进行录音操作,获取呼入语音数据;确定呼入语音数据对应的呼入类型,提取目标声纹特征;将目标声纹特征与黑名单号码对应的标准声纹特征进行匹配,获取声纹匹配结果;若呼入类型为人工语音数据,且任一声纹匹配结果为匹配成功,则确定回答语音数据,将回答语音数据发送给主呼终端;若呼入类型为人工语音数据,且所有声纹匹配结果均为匹配失败,则建立主呼终端与被呼终端的通信连接,以解决对拨入的电话进行有效的过滤的问题。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种呼叫处理方法、装置、计算机设备及存储介质。
背景技术
随着电子科技发展,人们通过智能终端相互沟通交流。但是,随着经济发展,不断有骚扰电话充斥着人们的智能终端,在日常生活中,人们可能在不方便接电话的情况下受到骚扰电话的打扰,而骚扰电话明显是不受欢迎的,其中,骚扰电话可包含销售电话或诈骗电话等,现有技术中,只能对其他用户举报过的电话进行拦截,科技不断发展,现有销售电话或诈骗电话是由智能机器人基于网络电话进行拨打的,目前并没有有效的手段来对这些骚扰电话进行打击。因此,对拨入电话进行有效的过滤成为亟待解决的问题。
发明内容
本发明实施例提供一种呼叫处理方法、装置、计算机设备及存储介质,以解决对拨入的电话进行有效的过滤的问题。
一种呼叫处理方法,包括:
获取主呼终端发送的号码呼入请求,所述号码呼入请求中包含呼入号码和被呼号码;
将所述呼入号码和与所述被呼号码对应的目标黑名单列表中黑名单号码进行匹配,获取黑名单匹配结果;
若所述黑名单匹配结果为匹配失败,则与所述主呼终端通信连接并进行录音操作,获取呼入语音数据;
确定所述呼入语音数据对应的呼入类型,并提取所述呼入语音数据中与所述呼入号码相对应的目标声纹特征;
将所述目标声纹特征与数据库中每一所述黑名单号码对应的标准声纹特征进行匹配,获取声纹匹配结果;
若所述呼入类型为人工语音数据,且任一所述声纹匹配结果为匹配成功,则根据所述呼入语音数据确定回答语音数据,将所述回答语音数据发送给所述主呼终端,将所述呼入号码存储至目标黑名单列表中,将所述呼入语音数据与所述被呼号码关联存储至数据库中;
若所述呼入类型为人工语音数据,且所有所述声纹匹配结果均为匹配失败,则建立所述主呼终端与所述被呼号码对应的被呼终端的通信连接,根据所述呼入语音数据确定呼叫提醒信息,向所述被呼终端推送所述呼叫提醒信息,将所述呼入号码存储至目标白名单列表中。
一种呼叫处理装置,包括:
号码呼入请求获取模块,用于获取主呼终端发送的号码呼入请求,所述号码呼入请求中包含呼入号码和被呼号码;
黑名单匹配结果获取模块,用于将所述呼入号码和与所述被呼号码对应的目标黑名单列表中黑名单号码进行匹配,获取黑名单匹配结果;
呼入语音数据获取模块,用于若所述黑名单匹配结果为匹配失败,则与所述主呼终端通信连接并进行录音操作,获取呼入语音数据;
目标声纹特征获取模块,用于确定所述呼入语音数据对应的呼入类型,并提取所述呼入语音数据中与所述呼入号码相对应的目标声纹特征;
声纹匹配结果获取模块,用于将所述目标声纹特征与数据库中每一所述黑名单号码对应的标准声纹特征进行匹配,获取声纹匹配结果;
录音交互模块,用于若所述呼入类型为人工语音数据,且任一所述声纹匹配结果为匹配成功,则根据所述呼入语音数据确定回答语音数据,将所述回答语音数据发送给所述主呼终端,将所述呼入号码存储至目标黑名单列表中,将所述呼入语音数据与所述被呼号码关联存储至数据库中;
号码下发模块,用于若所述呼入类型为人工语音数据,且所有所述声纹匹配结果均为匹配失败,则建立所述主呼终端与所述被呼号码对应的被呼终端的通信连接,根据所述呼入语音数据确定呼叫提醒信息,向所述被呼终端推送所述呼叫提醒信息,将所述呼入号码存储至目标白名单列表中。
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呼叫处理方法。
一种计算机可读存储介质,所述计算机可读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呼叫处理方法。
上述提供一种呼叫处理方法、装置、计算机设备和存储介质,将号码呼入请求中呼入号码和与被呼号码对应的目标黑名单列表中黑名单号码进行匹配,以确定是否需要对呼入号码进行拦截分析,减少骚扰电话拨进的概率;若黑名单匹配结果为匹配失败,则与主呼终端通信连接并进行录音操作,获取呼入语音数据,以便后续用户登录呼叫处理APP可查询录音数据。确定呼入语音数据对应的呼入类型,以确定是否需要进行拦截处理,减少被呼的骚扰概率,提取呼入语音数据中与呼入号码相对应的目标声纹特征,为后续声纹匹配提供技术支持。将目标声纹特征与数据库中每一黑名单号码对应的标准声纹特征进行匹配,若呼入类型为人工语音数据,且任一声纹匹配结果为匹配成功,则根据呼入语音数据确定回答语音数据,将回答语音数据发送给主呼终端,实现智能拦截,避免电话的骚扰,且回答语音数据具有多样化和个性化的特性,适合不同人群。将呼入号码存储至目标黑名单列表中,将呼入语音数据与被呼号码关联存储至数据库中,避免该呼入号码再次呼入骚扰。若呼入类型为人工语音数据,且所有声纹匹配结果均为匹配失败,则建立主呼终端与被呼号码对应的被呼终端的通信连接,实现呼入的有效过滤,减少骚扰电话的拨入,根据呼入语音数据确定呼叫提醒信息,向被呼终端推送呼叫提醒信息,以便被呼用户快速了解主呼用户的来意,提高通话效率,将呼入号码存储至目标白名单列表中,减少对该呼入号码的分析,提高处理效率。
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呼叫处理方法的应用环境示意图;
图2是本发明一实施例中呼叫处理方法的流程图;
图3是本发明一实施例中呼叫处理方法的流程图;
图4是本发明一实施例中呼叫处理方法的流程图;
图5是本发明一实施例中呼叫处理方法的流程图;
图6是本发明一实施例中呼叫处理方法的流程图;
图7是本发明一实施例中呼叫处理方法的流程图;
图8是本发明一实施例中呼叫处理方法的流程图;
图9是本发明一实施例中呼叫处理装置的原理框图;
图10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
下面将结和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呼叫处理方法,可应用在如图1的应用环境中,该呼叫处理方法应用在呼叫处理APP的服务端中,呼叫终端或被呼终端通过网络与服务端进行通信。当呼叫终端发起呼入请求时,需要将呼入号码与黑名单号码进行匹配,判断呼入类型,与黑名单号码对应的标准声纹特征进行匹配,以确定呼叫处理APP是否自行向主呼终端发送回答语音数据,还是建立主呼终端与被呼终端的通信连接,以实现对呼入号码的有效识别,减少用户接听到骚扰电话的机率。其中,呼叫终端或被呼终端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。服务端可以用独立的服务端或者是多个服务端组成的服务端集群来实现。
在一实施例中,如图2所示,提供一种呼叫处理方法,以该方法应用在图1中的服务端为例进行说明,具体包括如下步骤:
S10:获取主呼终端发送的号码呼入请求,号码呼入请求中包含呼入号码和被呼号码。
其中,主呼终端是指向被呼号码拨打号码的智能终端。号码呼入请求是指主呼用户基于主呼终端向被呼号码拨打电话的请求。呼入号码是指主呼终端拨打被呼号码时,被呼终端所显示的电话号码。被呼终端是指被呼号码对应的智能终端。被呼号码是指主呼终端拨打的电话号码。
具体地,被呼终端中安装有呼叫处理APP,呼叫处理APP包括用户端和服务端,用户可基于呼叫处理APP的用户端进行账号注册和基本设定等操作,当用户注册完成后,对被呼号码的号码呼入请求进行实时监控,若检测到有主呼终端发送的号码呼入请求时,号码呼入请求中包含呼入号码和被呼号码,通过呼叫处理APP进行拦截,确认呼入号码是否为骚扰号码。
S20:将呼入号码和与被呼号码对应的目标黑名单列表中黑名单号码进行匹配,获取黑名单匹配结果。
其中,目标黑名单列表是指记录有黑名单号码的列表。黑名单号码是指禁止拨入的号码。其中,每一被呼号码对应的黑名单号码可相同,也可不同,例如,黑名单号码可以是被呼用户通过呼叫处理APP拉黑的个人亲友的号码,也可以是呼叫处理APP平台共享的标记为骚扰电话的号码,还可以是第三方平台中所提供的标记为骚扰电话的号码,例如,12321举报助手、搜狗号码通、360手机助手、百度卫士、公信卫士、支付宝/微信/手机QQ的平台服务等;还可以是,呼入号码对应的呼入时间不大于预设呼入时间阈值的电话号码,(即响一声就停的电话号码),将该电话号码加入黑名单列表,其中,预设呼入时间阈值是指预先设定的确定是否为黑名单号码的时间阈值。黑名单匹配结果是指将呼入号码与黑名单号码进行匹配,所得到的结果。
具体地,呼叫处理APP的服务端获取到呼入号码后,采用关键词匹配算法将呼入号码与和与被呼号码对应的目标黑名单列表中黑名单号码进行匹配,获取黑名单匹配结果。其中,关键词匹配算法包括但不局限于DFA算法和KMP(Knuth-Morris-Pratt,努特-莫里斯-普拉特)算法。本实施例中,关键词匹配所选用的算法是克努特—莫里斯—普拉特算法(Knuth-Morris-Pratt,简称KMP),KMP算法是一种改进的字符串匹配算法,KMP算法的关键是利用匹配失败后的信息,尽量减少模式串与主串的匹配次数以达到快速匹配的目的。本实施例中,选用KMP算法进行号码匹配,节省时间,提高匹配效率。
S30:若黑名单匹配结果为匹配失败,则与主呼终端通信连接并进行录音操作,获取呼入语音数据。
其中,呼入语音数据是指主呼终端的呼入用户的语音数据和呼叫处理APP的服务端的回答语音数据。
具体地,服务端获取到黑名单匹配结果为匹配失败时,建立呼叫处理APP的服务端与主叫终端的通信连接,并对通话进行录音操作,获取呼入语音数据。可以理解地,进行录音操作时,会预先设定好服务端和被呼终端分别对应的声道,根据时序,录取主呼终端的与呼叫号码对应的用户的语音数据和与呼叫处理APP的服务端对应的回答语音数据,因此,呼入语音数据包含两个通道的语音数据。
S40:确定呼入语音数据对应的呼入类型,并提取呼入语音数据中与呼入号码相对应的目标声纹特征。
其中,呼入类型是指呼入语音数据中与呼入号码相对应的类型。呼入语音数据对应呼入类型包括人工语音数据或机器人语音数据。目标声纹特征是指对呼入语音数据中与呼入号码相对应的语音数据提取的声纹,本实施例中,该目标声纹特征包括但不局限于MFCC特征和LPCC特征。
具体地,由于主呼终端发送的语音数据的呼入类型可能是人工语音数据或机器人语音数据,因此,服务端需要先确定呼入语音数据对应的呼入类型,以便后续根据呼入类型进行相应的操作。确定呼入语音数据对应的呼入类型后,从呼入语音数据中提取出主呼终端声道对应的语音数据,即与呼入号码相对应的语音数据,对该语音数据进行声纹提取,获取到目标声纹特征。在本实施例中,可采用MFCC算法或者LPCC算法对该语音数据进行声纹提取,以获取到目标声纹特征。其中,MFCC(Mel-scale Frequency CepstralCoefficients,梅尔倒谱系数)是在Mel标度频率域提取出来的倒谱参数,Mel标度描述了人耳频率的非线性特性。LPCC(Linear Prediction Cepstrum Coefficient,线性预测倒谱系数),基于预处理语音数据,可通过Levinson-Durbin算法求出线性预测系数,再对线性预测系数求倒谱系数,获取到线性预测倒谱系数,即获取到LPCC特征,通过LPCC特征能够很好反映语音数据中的有用信息。本实施例中,对目标语音数据进行声纹提取,获取目标声纹特征,还具体包括以下步骤:(1)对与呼入号码对应的呼入语音数据进行预加重处理,获取预处理语音数据,以消除发声过程中声带和嘴唇等造成的干扰,可以有效补偿待识别语音被压抑的高频部分。(2)采用分帧和加窗的方式对预处理语音数据进行处理,获取语音帧。其中,采用分帧和加窗的方式对加重处理声纹样本进行处理,主要是为了避免相邻两帧的变化过大,其中,可采用汉明窗和汉宁窗来进行处理。(3)对语音帧进行静默音分离处理,获取目标语音帧,以获取的目标语音帧为有效的语音帧。(4)对目标语音帧进行声纹提取,获取目标声纹特征,以将呼入语音数据中可分性强、稳定性高等特性的声学或语言进行提取。
S50:将目标声纹特征与数据库中每一黑名单号码对应的标准声纹特征进行匹配,获取声纹匹配结果。
其中,标准声纹特征是指与黑名单号码对应的用户的声纹特征。其中,标准声纹特征可以是黑名单号码拨入时,存储在呼叫处理APP的数据库的声纹特征;还可以是呼叫处理APP平台共享的骚扰电话的声纹特征。
具体地,采用余弦相似度算法将目标声纹特征与数据库中每一黑名单号码对应的标准声纹特征进行匹配,获取声纹匹配结果。其中,余弦相似度公式为:其中,Ai和Bi分别代表目标声纹特征和标准声纹特征的各个分量。由上式可知,相似度范围从-1到1,其中-1表示两个特征方向相反,1表示两个特征指向相同;0表示两个特征是独立的。在-1和1之间表示两个特征之间的相似性或相异性,可以理解地,相似度越接近1表示两个特征越接近。应用于本实施例,可根据实际经验预先设定cosθ的距离阈值。若目标声纹特征和标准声纹特征的相似度大于距离阈值,则认为目标声纹特征和标准声纹特征相似,也即可判定目标声纹特征和标准声纹特征对应同一说话人的声纹识别结果,获取到声纹匹配结果为匹配成功;若目标声纹特征和标准声纹特征的相似度不大于距离阈值,则认为目标声纹特征和标准声纹特征不相似,也即可判定目标声纹特征和标准声纹特征对应两个说话人的声纹识别结果,获取到声纹匹配结果为匹配失败。通过余弦相似度算法即可判定目标声纹特征和标准声纹特征的相似度,简单快捷,利于快速确认声纹匹配结果。
S60:若呼入类型为人工语音数据,且任一声纹匹配结果为匹配成功,则根据呼入语音数据确定回答语音数据,将回答语音数据发送给主呼终端,将呼入号码存储至目标黑名单列表中,将呼入语音数据与被呼号码关联存储至数据库中。
其中,回答语音数据是指呼叫处理APP的服务端反馈给主呼端的根据呼入语音数据确定的语音数据。
具体地,服务端确定呼入类型为人工语音数据,且目标声纹特征与标准声纹特征存在任一声纹匹配结果为匹配成功,该主呼用户可能为换号码的黑名单号码对应的用户,首先采用语音识别模型将呼入语音数据转换成文字数据。其中,语音识别模型是预先创建好的用于将语音转换为文本的模型。可理解,语音识别模型包括预先训练好的声学模型和语言模型。其中,声学模型是用来获取目标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,hao(好)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。
其次,采用NLP技术对文字数据进行意图分析,获取与文字数据相对应的意图分析结果。其中,NLP(Natural Language Processing,自然语言处理)是计算机以一种有效的方式分析、理解并从人类语言中获取意义的一种语言处理技术。通过利用NLP技术,开发者可以组织和构建知识体系来执行自动摘要、翻译、命名实体识别、关系提取、情感分析、语音识别和话题分割等任务。本实施例中,可采用开源NLP技术所提供的语义分析接口,传入文字数据进行意图分析,获取与文字数据相对应的意图分析结果。
最后,根据意图分析结果确定回答语音数据。其中,回答语音数据可以是用户预先上传至呼叫处理APP的录音数据,可以是呼叫处理APP中提供的不同的主题的录音数据,例如,各种名人或小品的场景模仿。比如:安静无声;嘘,你不要说话;广东人的煲仔饭;感冒了;听不到你说什么;等我一下呀;我的孩子哭了;我要接孩子放学;孩子正在做作业;今天天气真好等。还可以是预先设定的预设话术,再通过TTS技术将预设话术转换成语音。其中,TTS技术是将计算机输入的文字信息转变为可以听得懂的、流利的汉语口语输出的技术。例如,若意图分析为诈骗或推销类,则回答语音数据可以是用户预先上传至呼叫处理APP的录音数据或者呼叫处理APP中提供的不同的主题的录音数据,具体根据用户预先设定的录音数据作为回答语音数据;若意图分析结果为拨错或者合法用户,则回答语音数据为预设话术,如“好的”等,通过TTS技术将预设话术转换成语音。通过进行声纹匹配,避免骚扰用户更换黑名单号码,再次进行骚扰,相比只根据标记的黑名单号码进行拦截,提高拦截效率。通过根据意图分析,确定回答语音数据,实现多样化回复,适用不同的场景。
进一步地,将呼入语音数据与被呼号码关联存储至数据库中后,通过大数据分析黑名单号码,确定存在骚扰号码嫌疑的首几位数字,以提高拦截的精准度。具体可采用数据挖掘算法对黑名单号码进行挖掘处理,从而获得关于较大概率首几位数字形成的号码为黑名单号码。其中,数据挖掘算法包括但不局限于Apriori算法,Apriori算法是用于挖掘出数据关联规则的算法,它用来找出数据值中频繁出现的数据集合。
进一步地,将呼入语音数据与被呼号码关联存储至数据库中后,还可将呼入语音数据分享至呼叫处理APP平台,进行举报标记等。
S70:若呼入类型为人工语音数据,且所有声纹匹配结果均为匹配失败,则建立主呼终端与被呼号码对应的被呼终端的通信连接,根据呼入语音数据确定呼叫提醒信息,向被呼终端推送呼叫提醒信息,将呼入号码存储至目标白名单列表中。
其中,呼叫提醒信息是指根据呼入语音数据确定的意图分析结果的信息。目标白名单列表是指记录有白名单号码的列表。
具体地,服务端确定呼入类型为人工语音数据,且目标声纹特征与标准声纹特征的声纹匹配结果均为匹配失败,该主呼用户的呼入号码不在黑名单内,且与黑名单号码对应的标准声纹特征不相匹配,该主呼用户可能为合法的用户,则建立主呼终端与被呼号码对应的被呼终端的通信连接,即主呼用户与被呼用户进行通信,并在被呼终端显示根据呼入语音数据确定的呼叫提醒信息,通过呼叫提醒信息,以便被呼用户确定主呼用户的意图。例如,某一呼入号码为人工语音数据,且所有声纹匹配结果均为匹配失败,呼叫提醒信息可以是银行催缴费用,当主呼用户与被呼用户进行通信时,可在被呼终端显示该呼叫提醒信息。将呼入号码自动存储至目标白名单列表中,若该号码下次拨入时,可直接进行通信连接,无需对该呼入号码进行呼叫处理。进一步地,用户可基于呼叫处理APP将该呼入号码拉入目标黑名单列表中。
进一步地,被呼用户在通信断开后,还可基于呼叫处理APP对呼入号码进行标记,如,将该呼入号码标记为白名单号码,或者标记为黑名单号码。
步骤S10至S70中,将号码呼入请求中呼入号码和与被呼号码对应的目标黑名单列表中黑名单号码进行匹配,以确定是否需要对呼入号码进行拦截分析,减少骚扰电话拨进的概率;若黑名单匹配结果为匹配失败,则与主呼终端通信连接并进行录音操作,获取呼入语音数据,以便后续用户登录呼叫处理APP可查询录音数据。确定呼入语音数据对应的呼入类型,以确定是否需要进行拦截处理,减少被呼的骚扰概率,提取呼入语音数据中与呼入号码相对应的目标声纹特征,为后续声纹匹配提供技术支持。将目标声纹特征与数据库中每一黑名单号码对应的标准声纹特征进行匹配,若呼入类型为人工语音数据,且任一声纹匹配结果为匹配成功,则根据呼入语音数据确定回答语音数据,将回答语音数据发送给主呼终端,实现智能拦截,避免电话的骚扰,且回答语音数据具有多样化和个性化的特性,适合不同人群。将呼入号码存储至目标黑名单列表中,将呼入语音数据与被呼号码关联存储至数据库中,避免该呼入号码再次呼入骚扰。若呼入类型为人工语音数据,且所有声纹匹配结果均为匹配失败,则建立主呼终端与被呼号码对应的被呼终端的通信连接,实现呼入的有效过滤,减少骚扰电话的拨入,根据呼入语音数据确定呼叫提醒信息,向被呼终端推送呼叫提醒信息,以便被呼用户快速了解主呼用户的来意,提高通话效率,将呼入号码存储至目标白名单列表中,减少对该呼入号码的分析,提高处理效率。
在一实施例中,如图3所示,在步骤S50之后,即在将目标声纹特征与数据库中每一黑名单号码对应的标准声纹特征进行匹配,获取声纹匹配结果之后,呼叫处理方法还具体包括如下步骤:
S501:若呼入类型为机器语音数据,且所有声纹匹配结果均为匹配失败,则采用语音识别模型对呼入语音数据进行识别,获取识别文本,将识别文本发送给被呼终端,若在预设时间段内获取到被呼终端反馈的转接请求,则建立主呼终端与被呼终端的通信连接,将呼入号码存储至目标黑名单列表中,将呼入语音数据与被呼号码关联存储至数据库中。
具体地,服务端若确定呼入类型为机器语音数据,且所有声纹匹配结果均为匹配失败,该机器语音数据为疑似合法的语音数据,语音识别模型包含声学模型和语言模型,将呼入语音数据输入到预先训练好的声学模型中进行识别,获取目标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,获取对应的识别文本,将识别文本发送给被呼终端,以便被呼用户根据识别文本确定是否需要进行转接或回拨等。若在预设时间段内获取到被呼终端反馈的转接请求,则建立主呼终端与被呼终端的通信连接。其中,预设时间段是指预先设定的从向被呼终端反馈识别文本开始,用以确定是否需要进行转接的时间段。实现根据用户需求以确定是否需要进行通信连接。例如,将识别文本发送给被呼终端后,在5秒内获取到被呼终端反馈的转接请求,则建立主呼终端与被呼终端的通信连接,将呼入号码存储至目标黑名单列表中,将呼入语音数据与被呼号码关联存储至数据库中。
S502:若呼入类型为机器语音数据且任一声纹匹配结果为匹配成功,则断开与主呼终端的通信连接,将呼入号码存储至目标黑名单列表中,将呼入语音数据与被呼号码关联存储至数据库中。
具体地,服务端若确定呼入类型为机器语音数据,且任一声纹匹配结果为匹配成功,即主呼用户可能为换号码的黑名单机器人,或者被呼用户未发出转接请求,则断开服务端与主呼终端的通信连接,即进行挂断处理,并将呼入号码存储至目标黑名单列表中,将呼入语音数据与被呼号码关联存储至数据库中。通过将呼入号码存储至目标黑名单列表,便于下次直接对该号码进行拦截挂断,提高拦截效率。通过将呼入语音数据与被呼号码关联存储至数据库中,以便后续有迹可循,便于用户查询或者举报等。
步骤S501至S502中,若呼入类型为机器语音数据,且所有声纹匹配结果均为匹配失败,则采用语音识别模型对呼入语音数据进行识别,获取识别文本,将识别文本发送给被呼终端,以便用户确定是否需要进行接听,若在预设时间段内获取到被呼终端反馈的转接请求,则建立主呼终端与被呼终端的通信连接,实现根据用户需求进行通信连接。将呼入号码存储至目标黑名单列表中,以便后续对该号码进行呼叫处理,将呼入语音数据与被呼号码关联存储至数据库中,为后续操作提供技术支持。若呼入类型为机器语音数据且任一声纹匹配结果为匹配成功,则断开与主呼终端的通信连接,实现智能拦截,将呼入号码存储至目标黑名单列表中,将呼入语音数据与被呼号码关联存储至数据库中,以便后续用户查看。
在一实施例中,如图4所示,在步骤S20之后,即在将呼入号码和与被呼号码对应的目标黑名单列表中黑名单号码进行匹配之后,呼叫处理方法还具体包括如下步骤:
S201:若黑名单匹配结果为匹配成功,则与主呼终端通信连接并进行录音操作,获取呼入语音数据。
具体地,呼叫处理APP的服务端获取到黑名单匹配结果为匹配成功时,为录取黑名单号码对应的声纹特征、为后续举报或留存证据,则与主呼终端通信连接并进行录音操作,获取呼入语音数据的步骤与上述步骤S30相同,为避免赘述,在此不做具体说明。
S202:确定呼入语音数据对应的呼入类型,并提取呼入语音数据中与呼入号码相对应的目标声纹特征。
该步骤与上述步骤S40相同,为避免赘述,在此不做具体说明。
S203:若呼入类型为人工语音数据,根据呼入语音数据确定回答语音数据,将回答语音数据发送给主呼终端,将呼入语音数据和目标声纹特征与被呼号码关联存储至数据库中。
具体地,服务端判断出呼入类型为人工语音数据,那么根据呼入语音数据确定回答语音数据,其中,回答语音数据的确定与上述步骤S60的步骤相同,在此不做具体赘述,将回答语音数据发送给主呼终端,将呼入语音数据和目标声纹特征与被呼号码关联存储至数据库中。通过将呼入语音数据和目标声纹特征与被呼号码关联存储至数据库中,实现呼入语音数据留存,保存目标声纹特征,为避免主呼用户后续换号码骚扰拨入,提高拦截的准确率。
S204:若呼入类型为机器语音数据,断开与主呼终端的通信连接,则采用语音识别模型对呼入语音数据进行识别,获取识别文本,将识别文本发送给被呼终端,将呼入语音数据和目标声纹特征与被呼号码关联存储至数据库中。
具体地,服务端判断出呼入类型为机器语音数据,断开与主呼终端的通信连接,则采用语音识别模型对呼入语音数据进行识别,获取识别文本,将识别文本发送给被呼终端,获取识别文本的步骤与上述S501的步骤相同,再次不做具体赘述,将呼入语音数据和目标声纹特征与被呼号码关联存储至数据库中。通过将呼入语音数据和目标声纹特征与被呼号码关联存储至数据库中,实现呼入语音数据留存,保存目标声纹特征,为避免主呼用户后续换号码骚扰拨入,提高拦截的准确率。
步骤S201至S204中,若黑名单匹配结果为匹配成功,则该呼入号码为黑名单号码,与主呼终端通信连接并进行录音操作,获取呼入语音数据,确定呼入语音数据对应的呼入类型,并提取呼入语音数据中与呼入号码相对应的目标声纹特征,以便后续确定拨入的用户是否为换号码拨打的黑名单号码对应的用户。若呼入类型为人工语音数据,根据呼入语音数据确定回答语音数据,将回答语音数据发送给主呼终端,将呼入语音数据和目标声纹特征与被呼号码关联存储至数据库中;若呼入类型为机器语音数据,断开与主呼终端的通信连接,则采用语音识别模型对呼入语音数据进行识别,获取识别文本,将识别文本发送给被呼终端,便于用户快速了解拦截电话的内容。将呼入语音数据和目标声纹特征与被呼号码关联存储至数据库中,便于用户查询、举报、拦截和分享等留下证据,提高呼叫处理APP的拦截的准确性。
在一实施例中,如图5所示,在步骤S20之前,即在将呼入号码和与被呼号码对应的目标黑名单列表中黑名单号码进行匹配,获取黑名单匹配结果之前,呼叫处理方法还具体包括如下步骤:
S211:将呼入号码和与被呼号码对应的目标白名单列表中白名单号码进行匹配,获取白名单匹配结果。
其中,白名单号码是指用户设定的允许拨入的号码。白名单匹配结果是指将呼入号码与白名单号码进行匹配的结果。
具体地,呼叫处理APP的服务端获取到呼入号码后,采用关键词匹配算法将呼入号码与和与被呼号码对应的目标白名单列表中白名单号码进行匹配,获取白名单匹配结果。其中,关键词匹配算法包括但不局限于DFA算法和KMP(Knuth-Morris-Pratt,努特-莫里斯-普拉特)算法。本实施例中,选用KMP算法进行号码匹配,节省时间,提高匹配效率。
S212:若白名单匹配结果为匹配成功,则建立主呼终端与被呼终端的通信连接。
具体地,呼叫处理APP的服务端获取到白名单匹配结果为匹配成功后,则建立主呼终端与被呼号码对应的被呼终端的通信连接,即主叫用户与被叫用户通话,实现黑名单号码的过滤,使得与被呼用户通话的为有效通话。
S213:若白名单匹配结果为匹配失败,则执行将呼入号码和与被呼号码对应的目标黑名单列表中黑名单号码进行匹配,获取黑名单匹配结果。
具体地,呼叫处理APP的服务端获取到白名单匹配结果为匹配失败后,则执行将呼入号码和与被呼号码对应的目标黑名单列表中黑名单号码进行匹配,获取黑名单匹配结果,即执行步骤S20。
步骤S211-S213中,将呼入号码和与被呼号码对应的目标白名单列表中白名单号码进行匹配,若白名单匹配结果为匹配成功,则建立主呼终端与被呼终端的通信连接,实现通话为有效通话;若白名单匹配结果为匹配失败,则执行步骤S20,以便后续对该呼入号码进行呼叫处理。
在一实施例中,如图6所示,步骤S40中,即确定呼入语音数据对应的呼入类型,具体包括如下步骤:
S41:对呼入语音数据进行响应时间检测、振幅检测、频率检测和静默音检测,获取每一检测类型对应的检测结果。
其中,响应时间检测是指根据主呼终端反馈语音数据的响应时间,以确定是否为机器语音数据的检测。振幅检测是指根据呼入语音数据的振幅确定是否为机器语音数据的检测。频率检测是指根据呼入语音数据的频率确定是否为机器语音数据的检测。静默音检测是指根据呼入语音数据的静默音段确定是否为机器语音数据的检测。
具体地,服务端中预先设置有一个模拟录音,例如“嘟嘟”声,服务端与主呼终端通信接通时,若为人工,则响应时间应大于预设录音时间;由于机器人可检测到电话已被接通,则嘟嘟声还没结束的时候就开始发言,即响应时间不大于预设录音时间,即呼入语音数据为机器语音数据。因此,获取电话接通时的响应时间,若响应时间大于预设录音时间,则呼入语音数据的检测结果为人工语音数据;若响应时间不大于预设录音时间,则呼入语音数据的检测结果为待判定语音数据。其中,待判定语音数据是指需要对录取的主呼终端发送的语音数据进一步判定的语音数据。
由于待判定语音数据中存在静默音段和噪音段,先通过端点检测方法获取待判定语音数据中的有效语音数据。其中,端点检测是指区分待判定语音数据中的环境噪声和背景噪声,准确的判断出声音的开始点和结束点,以获取到与呼入号码对应的有效语音数据。有效语音数据是指与呼入号码对应的语音开始点至语音结束点形成的语音数据,为了确保音频中的非常小的打嗝或者是停顿,不确定为是静音,通过平滑处理有效语音数据,有效防止误测。
对有效语音数据中每一帧语音数据进行快速傅里叶变换,通过公式将有效语音数据从时域上的信号幅度转换为在频域上的信号幅度,获取到频谱图,其中,1≤k≤N,N为帧的大小,s(k)为频域上的信号幅度,s(n)为时域上的信号幅度,n为时间,i为复数单位。其中,快速傅里叶变换(Fast Fourier Transformation,简称FFT),指利用计算机计算离散傅里叶变换的高效、快速计算方法的统称,简称FFT。
根据频谱图,确定幅度频谱图,幅度频谱图中横轴代表频率,纵轴代表振幅。根据幅度频谱图,获取每一幅度峰值;根据每一幅度峰值,获取最大幅度值和最小幅度值;若最大幅度值与最小幅度值的差值大于预设幅度阈值,则该呼入语音数据的检测结果为机器语音数据;若最大幅度值与最小幅度值的差值不大于预设幅度阈值,则该呼入语音数据的检测结果为人工语音数据。其中,预设幅度阈值是指预先设定的用于确定是否为机器语音数据的幅度阈值。
根据幅度频谱图,确定幅度峰值与幅度峰值之间的距离,获取最大距离和最小距离,若最大距离与最小距离的差值大于预设距离阈值,则该呼入语音数据的检测结果为机器语音数据;若最大距离与最小距离的差值不大于预设距离阈值,则呼入语音数据的检测结果为人工语音数据。其中,预设距离阈值是指预先设定用于确定是否为机器语音数据的距离阈值。
根据有效语音数据,确定有效语音数据中的静默音段。由于真人说话会存在停顿、吞口水或思考等因素会存在有较长的停顿时间,其静默音段间隔较大,而一般机器人语音数据都是连续的,其静默音段间隔较小。则静默音段大于预设静音阈值,则该呼入语音数据的检测结果为人工语音数据;若静默音段不大于预设静音阈值,则该呼入语音数据的检测结果为机器语音数据。预设静音阈值是指预先设定用于确定是否为机器语音数据的静音阈值。
S42:若响应时间检测的检测结果为呼入语音数据为待判定语音数据,且任一振幅检测、频率检测和静默音检测的检测结果为机器语音数据,则与呼入语音数据对应的呼入类型为机器语音数据。
具体地,获取响应时间检测的检测结果,若响应时间检测的检测结果为机器语音数据,则呼入语音数据对应的呼入类型为机器语音数据。若响应时间检测的检测结果为待判定语音数据,则需要对呼入语音数据进行进一步的判定。对呼入语音数据进行振幅检测、频率检测和静默音检测,若任一振幅检测、频率检测和静默音检测的检测结果为机器语音数据,则与呼入语音数据对应的呼入类型为机器语音数据。
通过确定响应时间检测的检测结果,以初步确定呼入语音数据的呼入类型,进一步结合振幅检测、频率检测和静默音检测的检测结果,使得获取到的呼入语音数据的呼入类型更为准确。
S43:若响应时间检测的检测结果为呼入语音数据为待判定语音数据,且振幅检测、频率检测和静默音检测的检测结果均为人工语音数据,则与呼入语音数据对应的呼入类型为人工语音数据。
具体地,若响应时间检测的检测结果为呼入语音数据为待判定语音数据,即该呼入语音数据的呼入类型不为机器语音数据,且振幅检测、频率检测和静默音检测的检测结果均为人工语音数据,则与呼入语音数据对应的呼入类型为人工语音数据。
步骤S41-S43中,对呼入语音数据进行响应时间检测、振幅检测、频率检测和静默音检测,获取每一检测类型对应的检测结果,实现通过多种检测以确定呼入类型。若响应时间检测的检测结果为呼入语音数据为待判定语音数据,且任一振幅检测、频率检测和静默音检测的检测结果为机器语音数据,则与呼入语音数据对应的呼入类型为机器语音数据;若响应时间检测的检测结果为呼入语音数据为待判定语音数据,且振幅检测、频率检测和静默音检测的检测结果均为人工语音数据,则与呼入语音数据对应的呼入类型为人工语音数据,实现多种检测结果综合考虑,使得获取到的呼入类型更为精准。
在一实施例中,如图7所示,在步骤S60在将呼入语音数据与被呼号码关联存储至数据库中之后,呼叫处理方法还具体包括如下步骤:
S601:获取被呼终端发送的拦截录音查看请求,拦截录音查看请求包括被呼号码。
其中,拦截录音查看请求是指被呼终端向服务端发送的查看拦截录音的请求。
具体地,当被呼用户需要通过被呼终端查看拦截录音时,可基于用户账号登录呼叫处理APP,并向呼叫处理APP的服务端发送拦截录音查看请求,拦截录音查看请求包含被呼用户对应的被呼号码。
S602:根据被呼号码查找数据库,获取与被呼号码对应的拦截语音信息,拦截语音信息包含原始拦截标识、呼入号码、呼入语音数据和屏蔽原因。
其中,拦截语音信息是指拦截的呼入语音数据的相关信息,其中,拦截语音信息包含原始拦截标识、呼入号码、呼入语音数据和屏蔽原因。原始拦截标识是指与每一呼入语音数据对应的标识。例如,标识为数字,每一数字对应一个拦截语音信息。屏蔽原因是指呼叫处理APP拦截呼入号码的原因,例如,M个用户多次标记该呼入号码为诈骗号码。
具体地,呼叫处理APP的数据库中存储有与每一被呼号码对应的拦截语音信息。根据被呼号码查找数据库,获取与该被呼号码对应的每一拦截语音信息,并在被呼终端进行显示。被呼用户可基于被呼终端对拦截语音信息进行相关处理,例如,删除、状态更改和查看呼入语音数据等。通过屏蔽原因可确切清楚呼叫处理APP拦截该呼入号码的理由。
进一步地,拦截语音信息还可包含呼入时间和录音时长等,当用户基于用户端获取到拦截语音信息后,可对拦截语音信息中呼入语音进行播放,以便用户了解对方来意。还可将该呼入语音数据进行分享,以提高呼叫处理APP拦截的准确性,扩大拦截范围。还可将该呼入语音数据分享至呼叫处理APP的互动平台,以使其他用户进行查看播放等,提高用户防范意识,增加呼叫处理APP的互动性。
S603:若获取到被呼终端根据呼入语音数据发送的文字获取请求,则采用语音识别模型将呼入语音数据转换成目标文字数据,将目标文字数据反馈给被呼终端。
其中,文字获取请求是指被呼用户基于被呼终端向呼叫处理APP的服务端发送的查看呼入语音数据的请求。目标文字数据是指采用语音识别模型将呼入语音数据转换的文字数据。
具体地,被呼用户可基于被呼终端查看呼入语音数据,查看方式可为多种,一种是将呼入语音数据基于被呼终端进行语音播放;另一种是基于被呼终端,向服务端发送文字获取请求,服务端获取到该请求后,采用语音识别模型将呼入语音数据转换成对应的目标文字数据,其中,语音识别模型识别的步骤与步骤S60相同,在此不做具体赘述,服务端将目标文字数据反馈给被呼终端。
进一步地,通过语音识别模型将呼入语音数据转换成目标文字数据时,由于呼入语音数据包括两个声道的语音数据,即主呼终端的语音数据和服务端的语音数据,将目标文字数据进行显示时,以对话形式进行显示。例如,被呼号码:“您好,xxxxx”;系统:“xxxx”。
进一步地,基于呼入语音数据或者目标文字数据,若获取到被呼终端发送的回拨请求,根据回拨请求进行外呼。其中,回拨请求是指基于被呼终端向呼入号码进行回拨的请求。
S604:若获取到被呼终端根据目标文字数据或者呼入语音数据发送的更改标识请求,更改标识请求包括呼入号码和目标标识。
其中,更改标识请求是指被呼用户基于被呼终端向呼叫处理APP的服务端发送的用于更改呼入号码的标识的请求。目标标识是指将呼入号码的标识更改至的标识。例如,呼入号码的标识为黑名单标识,那么目标标识为更改至的标识,即白名单标识。
S605:根据目标标识,对目标黑名单列表中与呼入号码进行状态更改。
具体地,由于本实施中是根据目标文字数据或者呼入语音数据发送的更改标识请求,那么根据目标标识,对目标黑名单列表中与呼入号码进行状态更改,即将呼入号码对应的黑名单标识更改为白名单标识。
进一步地,被呼用户基于被呼终端发送更改标识请求,更改标识请求包括白名单号码和目标标识。例如,白名单号码对应的标识为白名单标识,那么目标标识为更改至的标识,即黑名单标识。根据目标标识将白名单号码对应的白名单标识更改至黑名单标识。
进一步第,呼入号码为正常号码,既不存在对应的白名单标识,也不存在对应的黑名单标识,那么目标标识可以是白名单标识或黑名单标识。具体可根据用户发送的目标标识对正常号码进行标识标记。
步骤S601-S605中,基于被呼终端发送拦截录音查看请求,拦截录音查看请求包括被呼号码,以实现实时可查看拦截呼叫处理APP拦截的相关信息。根据被呼号码查找数据库,获取与被呼号码对应的拦截语音信息,拦截语音信息包含原始拦截标识、呼入号码、呼入语音数据和屏蔽原因,以便后续进行相关操作。若获取到被呼终端根据呼入语音数据发送的文字获取请求,则采用语音识别模型将呼入语音数据转换成目标文字数据,将目标文字数据反馈给被呼终端,实现不同场合可对拦截语音信息进行查看。若获取到被呼终端根据目标文字数据或者呼入语音数据发送的更改标识请求,更改标识请求包括呼入号码和目标标识,根据目标标识,对目标黑名单列表中呼入号码进行状态更改,实现以根据用户需求对号码标识的进行更改。
在一实施例中,如图8所示,在步骤S10之前,即在获取主呼终端发送的号码呼入请求之前,呼叫处理方法还具体包括如下步骤:
S101:获取账号注册请求,账号注册请求中包含注册号码和注册密码。
其中,注册号码是指注册呼叫处理APP时所输入的账号,该注册账号可以是电话号码。注册密码是指账号注册时所输入的密码,后续可根据注册号码和注册密码登录呼叫处理APP。
具体地,当用户登录呼叫处理APP时,用户预先需要进行账号注册操作,该APP提供一账号注册端口,通过该注册端口获取终端发送的账号注册请求,账号注册请求中包括注册号码和注册密码。
S102:根据注册号码和注册密码创建系统用户账号,显示与系统用户帐号相对应的信息配置界面,信息配置界面包括名单类型采集接口和基本信息采集接口。
具体地,服务端获取到注册号码和注册密码后,根据注册号码和注册密码进行账号注册,以便后续根据注册号码进行登录,并对与注册号码相对应所有的号码呼入请求进行呼叫处理。由于呼叫处理APP需要对黑名单号码进行拦截等操作,因此,账号注册后,显示与系统用户帐号相对应的信息配置界面,信息配置界面包括名单类型采集接口和基本信息采集接口。其中,名单类型采集接口是指呼叫处理APP提供的用户用于设置白名单标识和黑名单标识的接口。基本信息采集接口是指用户用于设置与注册号码的基本信息的接口。
S103:基于名单类型采集接口,获取包含与黑名单标识对应的黑名单号码和与白名单标识对应的白名单号码。
具体地,用户可基于用户终端向呼叫处理APP的名单类型采集接口发送包含与黑名单标识对应的黑名单号码和与白名单标识对应的白名单号码。以便后续呼叫处理APP根据白名单号码和黑名单号码对呼入号码进行呼叫处理。更具体地,服务端先获取到与注册号码对应的通讯录,在呼叫处理APP显示通讯录中所有电话号码,用户基于所有电话号码确定白名单标识和黑名单标识,服务端通过名单类型采集接口以获取到包含与黑名单标识对应的黑名单号码和与白名单标识对应的白名单号码。
S104:根据所有白名单标识对应的白名单号码,形成初始白名单列表。
具体地,通过根据所有白名单标识对应的白名单号码,形成初始白名单列表,使得后续呼叫处理APP可进行相应的呼叫处理,通常白名单号码可直接与终端进行通信连接。其中,初始白名单列表是指保存有白名单号码的列表。
S105:根据所有黑名单标识对应的黑名单号码和第三方平台提供的黑名单号码,形成初始黑名单列表。
具体地,每一注册账号对应的初始黑名单号码中,用户拉黑的个人亲友的号码不同,其他第三方平台提供的黑名单号码可相同。因此,初始黑名单列表中包含个人黑名单号码和共享黑名单号码。初始黑名单列表是指保存有黑名单号码的列表。个人黑名单号码是指只与注册号码对应的黑名单号码。共享黑名单号码是指共享的黑名单号码。根据所有黑名单标识对应的黑名单号码形成个人黑名单号码。个人黑名单号码,可以是拉黑的个人亲友的号码。还可以是,呼入号码对应的呼入时间不大于预设呼入时间阈值的电话号码,(即响一声就停的电话号码),将该电话号码加入黑名单列表。根据第三方平台提供的黑名单号码形成共享黑名单号码。其中,第三方平台提供的黑名单号码可包括呼叫处理APP中共享的标记的号码,更具体地,是多人标记同一号码,作为共享黑名单号码。还可以是第三方平台中所提供的标记为骚扰电话的号码;第三方平台可以是12321举报助手、搜狗号码通、360手机助手、百度卫士、公信卫士、支付宝/微信/手机QQ的城市服务等平台,通过调用第三方平台提供的接口,则可获取都黑名单号码,作为共享黑名单号码。
S106:基于基本信息采集接口确定通知设定信息。
其中,通知设定信息是指通过呼叫处理APP进行拦截后是否进行通知的设定信息。其中,通知设定信息包括:可以选择是否在电话被屏蔽掉的时候接到通知;可以选择是否在电话未接通时接到通知;可以选择是否在电话通知中心看到通知的条数等。
进一步地,呼叫处理APP中,提供录音上传接口,用户基于用户端向服务端传送自身录制录音数据,服务端基于录音上传接口,以获取到用户端传送的自身录制录音数据,将该录音数据与用户账号关联保存。呼叫处理APP还提供不同的主题的录音数据,例如,各种名人或小品的场景模仿等,用户可预先设定后续需要回复的录音数据,以便后续根据用户设定的录音数据进行回复。用户基于呼叫处理APP可对自身录制录音数据分享至呼叫护理APP的互动平台,以提高互动性。
S107:将初始白名单列表、初始黑名单列表、通知设定信息和用户账号关联存储。
具体地,通过将初始白名单列表和初始黑名单列表与用户账号关联存储,使得后续根据初始白名单列表和初始黑名单列表对呼入号码进行呼叫处理。通过将通知设定信息与用户账号关联存储,使得对黑名单号码进行拦截后,确定是否对用户账号对应的终端进行通知。
步骤S101-S107中,获取账号注册请求,账号注册请求中包含注册号码和注册密码,根据注册号码和注册密码创建系统用户账号,以便后续对注册账号的所有号码呼入请求进行呼叫处理。显示与系统用户帐号相对应的信息配置界面,信息配置界面包括名单类型采集接口和基本信息采集接口,以便用户根据自身需求进行设定。基于名单类型采集接口,获取包含与黑名单标识对应的黑名单号码和与白名单标识对应的白名单号码;根据所有白名单标识对应的白名单号码,形成初始白名单列表;根据所有黑名单标识对应的黑名单号码和第三方平台提供的黑名单号码,形成初始黑名单列表,以便通过初始白名单列表和黑名单列表进行呼叫处理。
基于基本信息采集接口确定通知设定信息,实现根据用户设定进行相应通知操作。将初始白名单列表、初始黑名单列表、通知设定信息和用户账号关联存储,不同用户设定不同,实现个性化设定。
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,提供一种呼叫处理装置,该呼叫处理装置与上述实施例中呼叫处理方法一一对应。如图9所示,该呼叫处理装置包括号码呼入请求获取模块10、黑名单匹配结果获取模块20、呼入语音数据获取模块30、目标声纹特征获取模块40、声纹匹配结果获取模块50、录音交互模块60和号码下发模块70。各功能模块详细说明如下:
号码呼入请求获取模块10,用于获取主呼终端发送的号码呼入请求,号码呼入请求中包含呼入号码和被呼号码。
黑名单匹配结果获取模块20,用于将呼入号码和与被呼号码对应的目标黑名单列表中黑名单号码进行匹配,获取黑名单匹配结果。
呼入语音数据获取模块30,用于若黑名单匹配结果为匹配失败,则与主呼终端通信连接并进行录音操作,获取呼入语音数据。
目标声纹特征获取模块40,用于确定呼入语音数据对应的呼入类型,并提取呼入语音数据中与呼入号码相对应的目标声纹特征。
声纹匹配结果获取模块50,用于将目标声纹特征与数据库中每一黑名单号码对应的标准声纹特征进行匹配,获取声纹匹配结果。
录音交互模块60,用于若呼入类型为人工语音数据,且任一声纹匹配结果为匹配成功,则根据呼入语音数据确定回答语音数据,将回答语音数据发送给主呼终端,将呼入号码存储至目标黑名单列表中,将呼入语音数据与被呼号码关联存储至数据库中。
号码下发模块70,用于若呼入类型为人工语音数据,且所有声纹匹配结果均为匹配失败,则建立主呼终端与被呼号码对应的被呼终端的通信连接,根据呼入语音数据确定呼叫提醒信息,向被呼终端推送呼叫提醒信息,将呼入号码存储至目标白名单列表中。
在一实施例中,在声纹匹配结果获取模块50之后,呼叫处理装置包括第一处理单元和第二处理单元。
第一处理单元,用于若呼入类型为机器语音数据,且所有声纹匹配结果均为匹配失败,则采用语音识别模型对呼入语音数据进行识别,获取识别文本,将识别文本发送给被呼终端,若在预设时间段内获取到被呼终端反馈的转接请求,则建立主呼终端与被呼终端的通信连接,将呼入号码存储至目标黑名单列表中,将呼入语音数据与被呼号码关联存储至数据库中。
第二处理单元,用于若呼入类型为机器语音数据且任一声纹匹配结果为匹配成功,或者在预设时间段内未获取到被呼终端反馈的转接请求,则断开与主呼终端的通信连接,将呼入号码存储至目标黑名单列表中,将呼入语音数据与被呼号码关联存储至数据库中。
在一实施例中,在黑名单匹配结果获取模块20之后,呼叫处理装置还包括呼入语音数据获取单元、目标声纹特征提取单元、第三处理单元和第四处理单元。
呼入语音数据获取单元,用于若黑名单匹配结果为匹配成功,则与主呼终端通信连接并进行录音操作,获取呼入语音数据。
目标声纹特征提取单元,用于确定呼入语音数据对应的呼入类型,并提取呼入语音数据中与呼入号码相对应的目标声纹特征。
第三处理单元,用于若呼入类型为人工语音数据,根据呼入语音数据确定回答语音数据,将回答语音数据发送给主呼终端,将呼入语音数据和目标声纹特征与被呼号码关联存储至数据库中。
第四处理单元,用于若呼入类型为机器语音数据,断开与主呼终端的通信连接,则采用语音识别模型对呼入语音数据进行识别,获取识别文本,将识别文本发送给被呼终端,将呼入语音数据和目标声纹特征与被呼号码关联存储至数据库中。
在一实施例中,在黑名单匹配结果获取模块20之前,呼叫处理装置还包括白名单匹配结果获取单元、第五处理单元和第六处理单元。
白名单匹配结果获取单元,用于将呼入号码和与被呼号码对应的目标白名单列表中白名单号码进行匹配,获取白名单匹配结果。
第五处理单元,用于若白名单匹配结果为匹配成功,则建立主呼终端与被呼终端的通信连接。
第六处理单元,用于若白名单匹配结果为匹配失败,则执行将呼入号码和与被呼号码对应的目标黑名单列表中黑名单号码进行匹配,获取黑名单匹配结果。
在一实施例中,目标声纹特征获取模块40,包括检测结果获取单元、第一呼入类型判定单元和第二呼入类型判定单元。
检测结果获取单元,用于对呼入语音数据进行响应时间检测、振幅检测、频率检测和静默音检测,获取每一检测类型对应的检测结果。
第一呼入类型判定单元,用于若响应时间检测的检测结果为呼入语音数据为待判定语音数据,且任一振幅检测、频率检测和静默音检测的检测结果为机器语音数据,则与呼入语音数据对应的呼入类型为机器语音数据。
第二呼入类型判定单元,用于若响应时间检测的检测结果为呼入语音数据为待判定语音数据,且振幅检测、频率检测和静默音检测的检测结果均为人工语音数据,则与呼入语音数据对应的呼入类型为人工语音数据。
在一实施例中,在录音交互模块60之后,呼叫处理装置还包括拦截录音查看请求获取单元、拦截语音信息获取单元、目标文字数据反馈单元、更改标识请求获取单元和状态更改单元。
拦截录音查看请求获取单元,用于获取被呼终端发送的拦截录音查看请求,拦截录音查看请求包括被呼号码。
拦截语音信息获取单元,用于根据被呼号码查找数据库,获取与被呼号码对应的拦截语音信息,拦截语音信息包含原始拦截标识、呼入号码、呼入语音数据和屏蔽原因。
目标文字数据反馈单元,用于若获取到被呼终端根据呼入语音数据发送的文字获取请求,则采用语音识别模型将呼入语音数据转换成目标文字数据,将目标文字数据反馈给被呼终端。
更改标识请求获取单元,用于若获取到被呼终端根据目标文字数据或者呼入语音数据发送的更改标识请求,更改标识请求包括呼入号码和目标标识。
状态更改单元,用于根据目标标识,对目标黑名单列表中呼入号码进行状态更改。
在一实施例中,在号码呼入请求获取模块10之前,呼叫处理装置还包括账号注册请求获取单元、信息配置单元、号码获取单元、初始白名单列表形成单元、初始黑名单列表形成单元、通知设定信息确定单元和存储单元。
账号注册请求获取单元,用于获取账号注册请求,账号注册请求中包含注册号码和注册密码。
信息配置单元,用于根据注册号码和注册密码创建系统用户账号,显示与系统用户帐号相对应的信息配置界面,信息配置界面包括名单类型采集接口和基本信息采集接口。
号码获取单元,用于基于名单类型采集接口,获取包含与黑名单标识对应的黑名单号码和与白名单标识对应的白名单号码。
初始白名单列表形成单元,用于根据所有白名单标识对应的白名单号码,形成初始白名单列表。
初始黑名单列表形成单元,用于根据所有黑名单标识对应的黑名单号码和第三方平台提供的黑名单号码,形成初始黑名单列表。
通知设定信息确定单元,用于基于基本信息采集接口确定通知设定信息。
存储单元,用于将初始白名单列表、初始黑名单列表、通知设定信息和用户账号关联存储。
关于呼叫处理装置的具体限定可以参见上文中对于呼叫处理方法的限定,在此不再赘述。上述呼叫处理装置中的各个模块可全部或部分通过软件、硬件及其组和来实现。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端,其内部结构图可以如图10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存储呼叫处理方法过程中生成或获取的数据等,例如,存储目标黑名单列表和标准声纹特征等。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种呼叫处理方法。
在一实施例中,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呼叫处理方法的步骤,例如,图2所示的步骤S10至步骤S70,或者,图3至图8所示的步骤。或者,处理器执行计算机程序时实现上述实施例中呼叫处理装置中的各模块的功能,例如,图9所示模块10至模块70的功能。为避免重复,此处不再赘述。
在一实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例中呼叫处理方法,例如,图2所示的步骤S10至步骤S70,或者,图3至图8所示的步骤。或者,该计算机程序被处理器执行时实现上述实施例中呼叫处理装置中各模块的功能,例如,图9所示模块10至模块70的功能。为避免重复,此处不再赘述。
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,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)、同步连接(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)
1.一种呼叫处理方法,其特征在于,包括:
获取主呼终端发送的号码呼入请求,所述号码呼入请求中包含呼入号码和被呼号码;
将所述呼入号码和与所述被呼号码对应的目标黑名单列表中黑名单号码进行匹配,获取黑名单匹配结果;
若所述黑名单匹配结果为匹配失败,则与所述主呼终端通信连接并进行录音操作,获取呼入语音数据;
确定所述呼入语音数据对应的呼入类型,并提取所述呼入语音数据中与所述呼入号码相对应的目标声纹特征;
将所述目标声纹特征与数据库中每一所述黑名单号码对应的标准声纹特征进行匹配,获取声纹匹配结果;
若所述呼入类型为人工语音数据,且任一所述声纹匹配结果为匹配成功,则根据所述呼入语音数据确定回答语音数据,将所述回答语音数据发送给所述主呼终端,将所述呼入号码存储至目标黑名单列表中,将所述呼入语音数据与所述被呼号码关联存储至数据库中;
若所述呼入类型为人工语音数据,且所有所述声纹匹配结果均为匹配失败,则建立所述主呼终端与所述被呼号码对应的被呼终端的通信连接,根据所述呼入语音数据确定呼叫提醒信息,向所述被呼终端推送所述呼叫提醒信息,将所述呼入号码存储至目标白名单列表中。
2.如权利要求1所述的呼叫处理方法,其特征在于,在所述将所述目标声纹特征与数据库中每一所述黑名单号码对应的标准声纹特征进行匹配,获取声纹匹配结果之后,所述呼叫处理方法包括:
若所述呼入类型为机器语音数据,且所有所述声纹匹配结果均为匹配失败,则采用语音识别模型对所述呼入语音数据进行识别,获取识别文本,将所述识别文本发送给所述被呼终端,若在预设时间段内获取到所述被呼终端反馈的转接请求,则建立所述主呼终端与所述被呼终端的通信连接,将所述呼入号码存储至所述目标黑名单列表中,将所述呼入语音数据与所述被呼号码关联存储至数据库中;
若所述呼入类型为机器语音数据且任一所述声纹匹配结果为匹配成功,则断开与所述主呼终端的通信连接,将所述呼入号码存储至目标黑名单列表中,将所述呼入语音数据与所述被呼号码关联存储至数据库中。
3.如权利要求1所述的呼叫处理方法,其特征在于,在所述将所述呼入号码和与所述被呼号码对应的目标黑名单列表中黑名单号码进行匹配,获取黑名单匹配结果之后,所述呼叫处理方法还包括:
若所述黑名单匹配结果为匹配成功,则与所述主呼终端通信连接并进行录音操作,获取呼入语音数据;
确定所述呼入语音数据对应的呼入类型,并提取所述呼入语音数据中与所述呼入号码相对应的目标声纹特征;
若所述呼入类型为人工语音数据,根据所述呼入语音数据确定回答语音数据,将所述回答语音数据发送给所述主呼终端,将所述呼入语音数据和所述目标声纹特征与所述被呼号码关联存储至数据库中;
若所述呼入类型为机器语音数据,断开与所述主呼终端的通信连接,则采用语音识别模型对所述呼入语音数据进行识别,获取识别文本,将所述识别文本发送给所述被呼终端,将所述呼入语音数据和所述目标声纹特征与所述被呼号码关联存储至数据库中。
4.如权利要求1所述的呼叫处理方法,其特征在于,在所述将所述呼入号码和与所述被呼号码对应的目标黑名单列表中黑名单号码进行匹配,获取黑名单匹配结果之前,所述呼叫处理方法还包括:
将所述呼入号码和与所述被呼号码对应的目标白名单列表中白名单号码进行匹配,获取白名单匹配结果;
若所述白名单匹配结果为匹配成功,则建立所述主呼终端与所述被呼终端的通信连接;
若所述白名单匹配结果为匹配失败,则执行所述将所述呼入号码和与所述被呼号码对应的目标黑名单列表中黑名单号码进行匹配,获取黑名单匹配结果。
5.如权利要求1所述的呼叫处理方法,其特征在于,所述确定所述呼入语音数据对应的呼入类型,包括:
对所述呼入语音数据进行响应时间检测、振幅检测、频率检测和静默音检测,获取每一检测类型对应的检测结果;
若所述响应时间检测的检测结果为呼入语音数据为待判定语音数据,且任一所述振幅检测、所述频率检测和所述静默音检测的检测结果为机器语音数据,则与所述呼入语音数据对应的呼入类型为机器语音数据;
若所述响应时间检测的检测结果为呼入语音数据为待判定语音数据,且所述振幅检测、所述频率检测和所述静默音检测的检测结果均为人工语音数据,则与所述呼入语音数据对应的呼入类型为人工语音数据。
6.如权利要求1所述的呼叫处理方法,其特征在于,在所述将所述呼入语音数据与所述被呼号码关联存储至数据库中之后,所述呼叫处理方法还包括:
获取所述被呼终端发送的拦截录音查看请求,所述拦截录音查看请求包括被呼号码;
根据所述被呼号码查找数据库,获取与所述被呼号码对应的拦截语音信息,所述拦截语音信息包含原始拦截标识、呼入号码、呼入语音数据和屏蔽原因;
若获取到所述被呼终端根据所述呼入语音数据发送的文字获取请求,则采用语音识别模型将所述呼入语音数据转换成目标文字数据,将所述目标文字数据反馈给所述被呼终端;
若获取到所述被呼终端根据所述目标文字数据或者所述呼入语音数据发送的更改标识请求,所述更改标识请求包括呼入号码和目标标识;
根据所述目标标识,对所述目标黑名单列表中所述呼入号码进行状态更改。
7.如权利要求1所述的呼叫处理方法,其特征在于,在所述获取主呼终端发送的号码呼入请求之前,所述呼叫处理方法还包括:
获取账号注册请求,所述账号注册请求中包含注册号码和注册密码;
根据所述注册号码和注册密码创建系统用户账号,显示与所述系统用户帐号相对应的信息配置界面,所述信息配置界面包括名单类型采集接口和基本信息采集接口;
基于所述名单类型采集接口,获取包含与黑名单标识对应的黑名单号码和与白名单标识对应的白名单号码;
根据所有所述白名单标识对应的白名单号码,形成初始白名单列表;
根据所有所述黑名单标识对应的黑名单号码和第三方平台提供的黑名单号码,形成初始黑名单列表;
基于所述基本信息采集接口确定通知设定信息;
将所述初始白名单列表、所述初始黑名单列表、所述通知设定信息和所述用户账号关联存储。
8.一种呼叫处理装置,其特征在于,包括:
号码呼入请求获取模块,用于获取主呼终端发送的号码呼入请求,所述号码呼入请求中包含呼入号码和被呼号码;
黑名单匹配结果获取模块,用于将所述呼入号码和与所述被呼号码对应的目标黑名单列表中黑名单号码进行匹配,获取黑名单匹配结果;
呼入语音数据获取模块,用于若所述黑名单匹配结果为匹配失败,则与所述主呼终端通信连接并进行录音操作,获取呼入语音数据;
目标声纹特征获取模块,用于确定所述呼入语音数据对应的呼入类型,并提取所述呼入语音数据中与所述呼入号码相对应的目标声纹特征;
声纹匹配结果获取模块,用于将所述目标声纹特征与数据库中每一所述黑名单号码对应的标准声纹特征进行匹配,获取声纹匹配结果;
录音交互模块,用于若所述呼入类型为人工语音数据,且任一所述声纹匹配结果为匹配成功,则根据所述呼入语音数据确定回答语音数据,将所述回答语音数据发送给所述主呼终端,将所述呼入号码存储至目标黑名单列表中,将所述呼入语音数据与所述被呼号码关联存储至数据库中;
号码下发模块,用于若所述呼入类型为人工语音数据,且所有所述声纹匹配结果均为匹配失败,则建立所述主呼终端与所述被呼号码对应的被呼终端的通信连接,根据所述呼入语音数据确定呼叫提醒信息,向所述被呼终端推送所述呼叫提醒信息,将所述呼入号码存储至目标白名单列表中。
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7任一项所述呼叫处理方法的步骤。
10.一种计算机可读存储介质,所述计算机可读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7任一项所述呼叫处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910250374.1A CN109873907B (zh) | 2019-03-29 | 2019-03-29 | 呼叫处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910250374.1A CN109873907B (zh) | 2019-03-29 | 2019-03-29 | 呼叫处理方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109873907A true CN109873907A (zh) | 2019-06-11 |
CN109873907B CN109873907B (zh) | 2021-06-08 |
Family
ID=66921593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910250374.1A Active CN109873907B (zh) | 2019-03-29 | 2019-03-29 | 呼叫处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109873907B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110351415A (zh) * | 2019-06-26 | 2019-10-18 | 厦门快商通信息咨询有限公司 | 骚扰电话号码的确定方法、装置、设备及存储介质 |
CN110677539A (zh) * | 2019-10-09 | 2020-01-10 | 中国联合网络通信集团有限公司 | 一种识别机器人电话的方法、终端和边缘服务器 |
CN110738981A (zh) * | 2019-10-22 | 2020-01-31 | 集奥聚合(北京)人工智能科技有限公司 | 一种基于智能语音通话对答的交互方法 |
CN112185344A (zh) * | 2020-09-27 | 2021-01-05 | 北京捷通华声科技股份有限公司 | 语音交互方法、装置、计算机可读存储介质和处理器 |
CN112528098A (zh) * | 2020-12-16 | 2021-03-19 | 浙江百应科技有限公司 | 一种数据查询方法、系统、电子设备及存储介质 |
CN113726964A (zh) * | 2021-09-03 | 2021-11-30 | 中国银行股份有限公司 | 外呼处理方法及装置、存储介质及电子设备 |
CN114286329A (zh) * | 2021-12-02 | 2022-04-05 | 中国联合网络通信集团有限公司 | 物联网设备的呼叫控制方法、装置和存储介质 |
CN115623430A (zh) * | 2022-08-09 | 2023-01-17 | 荣耀终端有限公司 | 电话号码标注的方法、系统、电子设备及服务器 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1794759A (zh) * | 2006-01-05 | 2006-06-28 | 倚天资讯股份有限公司 | 具电话防扰功能的通讯装置、服务器及其方法 |
CN1832515A (zh) * | 2005-03-08 | 2006-09-13 | 华为技术有限公司 | 自动应答设备的识别系统及其识别方法 |
US8924285B2 (en) * | 2005-04-21 | 2014-12-30 | Verint Americas Inc. | Building whitelists comprising voiceprints not associated with fraud and screening calls using a combination of a whitelist and blacklist |
CN104660773A (zh) * | 2015-03-09 | 2015-05-27 | 广东欧珀移动通信有限公司 | 一种骚扰电话处理方法和骚扰电话处理装置 |
CN106302942A (zh) * | 2016-08-26 | 2017-01-04 | 朱书勤 | 一种智能拦截骚扰电话的方法 |
CN106911845A (zh) * | 2017-02-21 | 2017-06-30 | 北京小米移动软件有限公司 | 来电提醒方法及装置 |
CN108806700A (zh) * | 2018-06-08 | 2018-11-13 | 英业达科技有限公司 | 通过声纹及语音密码判断身分的系统及方法 |
-
2019
- 2019-03-29 CN CN201910250374.1A patent/CN109873907B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1832515A (zh) * | 2005-03-08 | 2006-09-13 | 华为技术有限公司 | 自动应答设备的识别系统及其识别方法 |
US8924285B2 (en) * | 2005-04-21 | 2014-12-30 | Verint Americas Inc. | Building whitelists comprising voiceprints not associated with fraud and screening calls using a combination of a whitelist and blacklist |
CN1794759A (zh) * | 2006-01-05 | 2006-06-28 | 倚天资讯股份有限公司 | 具电话防扰功能的通讯装置、服务器及其方法 |
CN104660773A (zh) * | 2015-03-09 | 2015-05-27 | 广东欧珀移动通信有限公司 | 一种骚扰电话处理方法和骚扰电话处理装置 |
CN106302942A (zh) * | 2016-08-26 | 2017-01-04 | 朱书勤 | 一种智能拦截骚扰电话的方法 |
CN106911845A (zh) * | 2017-02-21 | 2017-06-30 | 北京小米移动软件有限公司 | 来电提醒方法及装置 |
CN108806700A (zh) * | 2018-06-08 | 2018-11-13 | 英业达科技有限公司 | 通过声纹及语音密码判断身分的系统及方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110351415A (zh) * | 2019-06-26 | 2019-10-18 | 厦门快商通信息咨询有限公司 | 骚扰电话号码的确定方法、装置、设备及存储介质 |
CN110677539A (zh) * | 2019-10-09 | 2020-01-10 | 中国联合网络通信集团有限公司 | 一种识别机器人电话的方法、终端和边缘服务器 |
CN110738981A (zh) * | 2019-10-22 | 2020-01-31 | 集奥聚合(北京)人工智能科技有限公司 | 一种基于智能语音通话对答的交互方法 |
CN112185344A (zh) * | 2020-09-27 | 2021-01-05 | 北京捷通华声科技股份有限公司 | 语音交互方法、装置、计算机可读存储介质和处理器 |
CN112528098A (zh) * | 2020-12-16 | 2021-03-19 | 浙江百应科技有限公司 | 一种数据查询方法、系统、电子设备及存储介质 |
CN113726964A (zh) * | 2021-09-03 | 2021-11-30 | 中国银行股份有限公司 | 外呼处理方法及装置、存储介质及电子设备 |
CN113726964B (zh) * | 2021-09-03 | 2023-06-30 | 中国银行股份有限公司 | 外呼处理方法及装置、存储介质及电子设备 |
CN114286329A (zh) * | 2021-12-02 | 2022-04-05 | 中国联合网络通信集团有限公司 | 物联网设备的呼叫控制方法、装置和存储介质 |
CN114286329B (zh) * | 2021-12-02 | 2023-06-20 | 中国联合网络通信集团有限公司 | 物联网设备的呼叫控制方法、装置和存储介质 |
CN115623430A (zh) * | 2022-08-09 | 2023-01-17 | 荣耀终端有限公司 | 电话号码标注的方法、系统、电子设备及服务器 |
CN115623430B (zh) * | 2022-08-09 | 2023-11-24 | 荣耀终端有限公司 | 电话号码标注的方法、系统、电子设备及服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN109873907B (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109873907A (zh) | 呼叫处理方法、装置、计算机设备及存储介质 | |
US10645214B1 (en) | Identical conversation detection method and apparatus | |
US10249304B2 (en) | Method and system for using conversational biometrics and speaker identification/verification to filter voice streams | |
US10127928B2 (en) | Multi-party conversation analyzer and logger | |
US9813551B2 (en) | Multi-party conversation analyzer and logger | |
WO2021051506A1 (zh) | 语音交互方法、装置、计算机设备及存储介质 | |
US8391445B2 (en) | Caller identification using voice recognition | |
TW200304638A (en) | Network-accessible speaker-dependent voice models of multiple persons | |
US11721324B2 (en) | Providing high quality speech recognition | |
US20210312143A1 (en) | Real-time call translation system and method | |
US10237399B1 (en) | Identical conversation detection method and apparatus | |
US11606461B2 (en) | Method for training a spoofing detection model using biometric clustering | |
RU2783966C1 (ru) | Способ обработки входящих звонков | |
Kim et al. | An implement of speech db gathering system using VoiceXML |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |