CN110556110A - 语音处理方法及装置、智能终端、存储介质 - Google Patents

Abstract

本申请提供了一种语音处理方法及装置、智能终端、存储介质，属于互联网技术领域，该方案包括：响应接收的触发指令，进行音频信号的持续采集；在监测到所述音频信号存在语音活动时，进行音频片段的录制；对录制的所述音频片段进行语音识别，获得语音内容；根据预设的关键词，判断所述语音内容是否包含所述关键词，基于判断结果执行相应的提醒操作。从而方便客服人员或管理者及时发现与客户对话中出现的问题，降低目前人工事后核查的人力和时间成本。

Description

语音处理方法及装置、智能终端、存储介质

技术领域

本申请涉及机器人技术领域，特别涉及一种语音处理方法及装置、智能终端、计算机可读存储介质。

背景技术

科技快速发展的今天，各行各业都离不开客服人员，就目前的电话客服来说，提高专业术语水平、检测话术规范是必不可少的一环，尤其针对金融催收相关人员，保证合规性是极其重要的。

现有坐席通过传统座机进行外呼，录音数据由话务中心进行统一录制并保存。在第二天或通话结束后几小时，话务中心统一将录音数据上传至系统内，然后由其他工作人员进行相关的语音规范性质检工作。

人工事后核查，不能及时的发现客服与客户发生的问题而导致问题没有得到及时的制止。

发明内容

本申请实施例提供了一种语音处理方法，用以改善现有人工事后核查存在滞后性的问题。

本申请提供了一种语音处理方法，所述方法包括：响应接收的触发指令，进行音频信号的持续采集；在监测到所述音频信号存在语音活动时，进行音频片段的录制；对录制的所述音频片段进行语音识别，获得语音内容；根据预设的关键词，判断所述语音内容是否包含所述关键词，基于判断结果执行相应的提醒操作。

在一实施例中，上述方法还包括：在监测到所述音频信号存在语音活动时，控制指示灯处于第一工作状态。

在一实施例中，上述方法还包括：在监测到所述音频信号不存在语音活动时，控制指示灯处于第二工作状态。

在一实施例中，所述在监测到所述音频信号存在语音活动时，进行音频片段的录制之后，所述方法还包括：如果录制时长超过预设最大时长，进行下一音频片段的录制，直到监测到采集的音频信号不存在语音活动。

在一实施例中，所述根据预设的关键词，判断所述语音内容是否包含所述关键词之后，所述方法还包括：将上一音频片段对应的语音内容与下一音频片段对应的语音内容进行拼接，判断拼接的语音内容是否包含所述关键词。

在一实施例中，所述基于判断结果执行相应的提醒操作，包括：若所述语音内容包含所述关键词，利用所述关键词对所述语音内容对应的音频片段进行标记；将标记所述关键词的音频片段上传到服务端。

在一实施例中，所述基于判断结果执行相应的提醒操作，包括：若所述语音内容包含所述关键词，控制指示灯处于第三工作状态。

另一方面，本申请还提供了一种语音处理装置，所述装置包括：

信号采集模块，用于响应接收的触发指令，进行音频信号的持续采集；

音频录制模块，用于在监测到所述音频信号存在语音活动时，进行音频片段的录制；

语音识别模块，用于对录制的所述音频片段进行语音识别，获得语音内容；

关键词判断模块，用于根据预设的关键词，判断所述语音内容是否包含所述关键词，基于判断结果执行相应的提醒操作。

进一步，本申请还提供了一种智能终端，所述智能终端包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行上述语音处理方法。

此外，本申请还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成上述语音处理方法。

本申请上述实施例提供的技术方案，可以在监测到音频信号存在语音活动时，进行音频片段的录制，通过对音频片段进行语音识别，进而判断语音内容是否包含关键词，基于判断结果做出相应的提醒，从而方便客服人员或管理者及时发现与客户对话中出现的问题，降低目前人工事后核查的人力和时间成本。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍。

图1是本申请实施例提供的一种语音处理方法的应用场景示意图；

图2是本申请实施例提供的一种语音处理方法的流程示意图；

图3是本申请实施例提供的一种语音处理方法的详细流程示意图；

图4是本申请实施例提供的一种语音处理装置的框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

图1是本申请实施例提供的一种语音处理方法的应用场景示意图，如图1所示，该应用场景包括智能终端110，智能终端110可以是具有音频采集和录音功能的机器人，智能终端110可以采用本申请提供的方法，录制客服人员与客户对话的音频片段，并识别出音频片段是否包含预设的关键词，在包含预设的关键词时，及时作出提醒，从而方便客服人员或管理者及时发现与客户对话中出现的问题，降低目前人工事后核查的人力和时间成本。

在一实施例中，上述应用场景还包括服务端120以及管理端130。智能终端110与服务端120之间、服务端120与管理端130之间通过有线或无线网络连接。服务端120可以是服务器、服务器集群或者云计算中心，管理端130可以是个人电脑(personal computer，PC)、平板电脑、智能手机、个人数字助理(personal digital assistant，PDA)等。

智能终端110可以利用关键词对包含该关键词的音频片段进行标记，并将标记的音频片段发送到服务端120，由服务端120将标记的音频片段转发到管理端130，从而方便管理者及时掌握出现的不合规现象。

本申请还提供了一种智能终端，该智能终端可以图1所示应用场景的智能终端110。如图1所示，智能终端可以包括处理器111；用于存储处理器111可执行指令的存储器112；其中，处理器111被配置为执行本申请提供的语音处理方法。

存储器112可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read Only Memory，简称EPROM)，可编程只读存储器(Programmable Red-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。

本申请还提供的一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序可由处理器111执行以完成本申请提供的语音处理方法。

图2是本申请实施例提供的一种语音处理方法的流程示意图。该方法可以由图1所示应用场景的智能终端110执行，如图2所示，所述方法包括以下步骤210-240。

在步骤210中，响应接收的触发指令，进行音频信号的持续采集。

用户点击智能终端的启动按钮，智能终端接收到触发指令，开启音频信号的采集功能，从而不断进行音频信号的采集。音频信号是指智能终端采集的所处环境中的声音信号。

在步骤220中，在监测到所述音频信号存在语音活动时，进行音频片段的录制。

其中，音频信号存在语音活动是指音频信号中存在说话声音。在一实施例中，智能终端可以安装VAD(Voice Activity Detection语音活动检测器)，监测噪声环境中语音活动是否存在。在监测到采集的音频信号存在语音活动期间，可以持续进行多个音频片段的录制。

为防止某个音频片段数据量过大，不易识别。在一实施例中，如果某个音频片段的录制时长超过预设最大时长(例如60秒)，可以进行下一音频片段的录制，直到监测到采集的音频信号不存在语音活动，则停止音频片段的录制。也就是说，在监测到存在语音活动到语音活动中断期间，持续进行音频片段的录制，并每隔预设最大时长可以单独保存成一个音频片段。假设第一段对话持续200秒，则可以每60秒切分为一个音频片段，得到4个音频片段。假设第二段对话是150秒，则继续每60秒切分为一个音频片段，得到3个音频片段。

在一实施例中，在监测到音频信号存在语音活动时，智能终端可以控制指示灯处于第一工作状态，从而提醒客服人员正在录制音频。第一工作状态可以是绿色常亮。当然，第一工作状态也可以是其他颜色或进行闪烁，与下文的第二工作状态、第三工作状态区分即可。指示灯可以安装于在智能终端，也可以单独设置。

在一实施例中，在监测到音频信号不存在语音活动期间时，智能终端可以控制指示灯处于第二工作状态，从而提醒客服人员音频结束。第二工作状态可以是蓝色常亮。

在步骤230中，对录制的所述音频片段进行语音识别，获得语音内容。

在一实施例中，可以采用ASR(Automatic Speech Recognition，语音识别技术)实时对每个录制的音频片段进行语音识别，将人类语音转换为计算机可读的输入。为保证及时性，可以每完成一个音频片段的录制，就对该音频片段进行识别。

在步骤240中，根据预设的关键词，判断所述语音内容是否包含所述关键词，基于判断结果执行相应的提醒操作。

其中，预设的关键词是指事先记录的不合规的词汇，如果对话中存在这些词汇，可以认为话术不合规。智能终端可以提前存储关键词词库，将语音内容与关键词词库中的每个关键词进行一致性比对，从而确定语音内容是否包含该关键词。判断结果可以是语音内容包含关键词和语音内容不包含关键词。只要包含一个关键词，即可认为语音内容包含关键词。提醒操作可以是控制指示灯闪烁，还可以是输出不合规的音频片段。当然，根据需要，还可以弹出提醒对话框等。

在一实施例中，除了对每个音频片段的语音内容判断其是否包含关键词，为了防止音频片段切分，导致关键词被分割在前后两个音频片段中，从而导致关键词判断遗漏，本申请还可以：将上一音频片段对应的语音内容与下一音频片段对应的语音内容进行拼接，判断拼接的语音内容是否包含所述关键词。

例如，假设30秒作为预设最大时长，存在1秒-30秒的音频片段和31秒-45秒音频片段，则可以将20秒-30秒的语音内容和31秒-40秒语音内容进行拼接，进而判断拼接的20秒-40秒的语音内容是否包含关键词。通过交叉识别法，提高关键词的命中率，避免关键词遗漏。

在一实施例中，基于判断结果执行相应的提醒操作，可以包括：若语音内容包含所述关键词，利用所述关键词对所述语音内容对应的音频片段进行标记；将标记所述关键词的音频片段上传到服务端。

如果某个音频片段的语音内容包含某个关键词，可以将该关键词标记在该音频片段上，并将标记了该关键词的音频片段上传的服务端，由此服务端可以将标记了关键词的音频片段转发到管理端，由管理端进行标记了关键词的音频片段的显示，从而管理员可以及时收听不合规对话内容，对突发事件进行及时的制止。

如果拼接的语音内容包含某个关键词，也可以利用该关键词对拼接的语音内容对应的音频片段进行标记，进而将标记的音频片段转发到服务端。

在一实施例中，若智能终端判断出音频片段对应的语音内容或者拼接的语音内容包含所述关键词，还可以控制指示灯处于第三工作状态。第三工作状态可以是红色闪烁，从而起到较好的提醒作用，及时提醒客服出现了违规对话。

图3是本申请实施例提供的一种语音处理方法的详细流程示意图。如图3所示，该流程包括以下步骤：

在步骤301中，智能终端采集音频信号；

在步骤302中，智能终端监测音频信息是否存在语音活动(即人声vad判断)；

在步骤303中，如果存在语音活动，进行录音并控制指示灯处于绿灯常亮状态；继续执行步骤304；

在步骤303’中，如果不存在语音活动，控制指示灯处于蓝灯常亮状态，并停止录音；

在步骤304中，判断音频片段的录制时长是否达到预设最大时长；如果否，直接执行步骤306；如果是，执行步骤305；

在步骤305中，切分进行下一音频片段的录制；

在步骤306中，对每个音频片段进行语音识别，并判断是否包含关键词(即命中处理)；

在步骤307中，如果命中关键词，则控制指示灯处于红灯闪烁状态。否则，控制指示灯处于绿灯常亮状态。

在步骤308中，上传音频片段至服务端。

下述为本申请装置实施例，可以用于执行本申请上述智能终端110执行的语音处理方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请语音处理方法实施例。

图4是本申请一实施例示出的语音处理装置的框图。该语音处理装置可以用于智能终端110中，如图4所示，该语音处理装置可以包括：信号采集模块410、音频录制模块420、语音识别模块430以及关键词判断模块440。

信号采集模块410，用于响应接收的触发指令，进行音频信号的持续采集；

音频录制模块420，用于在监测到所述音频信号存在语音活动时，进行音频片段的录制；

语音识别模块430，用于对录制的所述音频片段进行语音识别，获得语音内容；

关键词判断模块440，用于根据预设的关键词，判断所述语音内容是否包含所述关键词，基于判断结果执行相应的提醒操作。

上述装置中各个模块的功能和作用的实现过程具体详见上述语音处理方法中对应步骤的实现过程，在此不再赘述。

在一实施例中，上述语音处理装置还包括：状态指示模块，用于在监测到所述音频信号存在语音活动时，控制指示灯处于第一工作状态。

在一实施例中，状态指示模块还用于：在监测到所述音频信号不存在语音活动时，控制指示灯处于第二工作状态。

在一实施例中，上述语音处理装置还包括：音频切分模块，用于如果录制时长超过预设最大时长，进行下一音频片段的录制，直到监测到采集的音频信号不存在语音活动。

在一实施例中，上述语音处理装置还包括：交叉识别模块，用于将上一音频片段对应的语音内容与下一音频片段对应的语音内容进行拼接，判断拼接的语音内容是否包含所述关键词。

在一实施例中，上述语音处理装置还包括：提醒模块，用于在所述语音内容包含所述关键词时，利用所述关键词对所述语音内容对应的音频片段进行标记；将标记所述关键词的音频片段上传到服务端。

在一实施例中，提醒模块还用于：在所述语音内容包含所述关键词时，控制指示灯处于第三工作状态。

在本申请所提供的几个实施例中，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.一种语音处理方法，其特征在于，所述方法包括：

响应接收的触发指令，进行音频信号的持续采集；

在监测到所述音频信号存在语音活动时，进行音频片段的录制；

对录制的所述音频片段进行语音识别，获得语音内容；

根据预设的关键词，判断所述语音内容是否包含所述关键词，基于判断结果执行相应的提醒操作。

2.根据权利要求1所述的方法，其特征在于，还包括：

在监测到所述音频信号存在语音活动时，控制指示灯处于第一工作状态。

3.根据权利要求1所述的方法，其特征在于，还包括：

在监测到所述音频信号不存在语音活动时，控制指示灯处于第二工作状态。

4.根据权利要求1所述的方法，其特征在于，所述在监测到所述音频信号存在语音活动时，进行音频片段的录制之后，所述方法还包括：

如果录制时长超过预设最大时长，进行下一音频片段的录制，直到监测到采集的音频信号不存在语音活动。

5.根据权利要求1所述的方法，其特征在于，所述根据预设的关键词，判断所述语音内容是否包含所述关键词之后，所述方法还包括：

将上一音频片段对应的语音内容与下一音频片段对应的语音内容进行拼接，判断拼接的语音内容是否包含所述关键词。

6.根据权利要求1所述的方法，其特征在于，所述基于判断结果执行相应的提醒操作，包括：

若所述语音内容包含所述关键词，利用所述关键词对所述语音内容对应的音频片段进行标记；

将标记所述关键词的音频片段上传到服务端。

7.根据权利要求1所述的方法，其特征在于，所述基于判断结果执行相应的提醒操作，包括：

若所述语音内容包含所述关键词，控制指示灯处于第三工作状态。

8.一种语音处理装置，其特征在于，所述装置包括：

信号采集模块，用于响应接收的触发指令，进行音频信号的持续采集；

音频录制模块，用于在监测到所述音频信号存在语音活动时，进行音频片段的录制；

语音识别模块，用于对录制的所述音频片段进行语音识别，获得语音内容；

关键词判断模块，用于根据预设的关键词，判断所述语音内容是否包含所述关键词，基于判断结果执行相应的提醒操作。

9.一种智能终端，其特征在于，所述智能终端包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行权利要求1-7任意一项所述的语音处理方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成权利要求1-7任意一项所述的语音处理方法。