CN112738344A - 一种识别用户身份的方法、装置、存储介质及电子设备 - Google Patents

一种识别用户身份的方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN112738344A
CN112738344A CN202011581549.6A CN202011581549A CN112738344A CN 112738344 A CN112738344 A CN 112738344A CN 202011581549 A CN202011581549 A CN 202011581549A CN 112738344 A CN112738344 A CN 112738344A
Authority
CN
China
Prior art keywords
user
voice
service
telephone
voiceprint feature
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
Application number
CN202011581549.6A
Other languages
English (en)
Other versions
CN112738344B (zh
Inventor
李世杰
钱瑞峰
包梦蛟
陈欢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN202011581549.6A priority Critical patent/CN112738344B/zh
Publication of CN112738344A publication Critical patent/CN112738344A/zh
Application granted granted Critical
Publication of CN112738344B publication Critical patent/CN112738344B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04M3/487—Arrangements for providing information services, e.g. recorded voice services or time announcements
    • H04M3/493—Interactive information services, e.g. directory enquiries ; Arrangements therefor, e.g. interactive voice response [IVR] systems or voice portals
    • H04M3/4936—Speech interaction details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • G10L17/22—Interactive procedures; Man-machine interfaces
    • 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
    • H04M3/5158—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing in combination with automated outdialling 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
    • H04M3/5166—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing in combination with interactive voice response systems or voice portals, e.g. as front-ends

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Computational Linguistics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Telephonic Communication Services (AREA)
  • Telephone Function (AREA)

Abstract

本说明书公开了一种识别用户身份的方法、装置、存储介质及电子设备，本说明书实施例先获取用户通过电话通信执行第二业务时的电话语音，作为历史电话语音，并提取所述历史电话语音的声纹特征并保存，然后在该用户通过电话通信执行第一业务时，获取该用户的实时电话语音，将所述实时电话语音的声纹特征与所述历史电话语音的声纹特征进行匹配，由于不同用户的声纹是不同的，并且用户的语音都是通过电话语音信道获取的，因此在声纹特征匹配时，能够实现准确匹配，不会出现跨信号的问题。最终根据匹配结果，识别该用户的身份。

Description

一种识别用户身份的方法、装置、存储介质及电子设备
技术领域
本说明书涉及计算机技术领域，尤其涉及一种识别用户身份的方法、装置、存储介质及电子设备。
背景技术
目前，随着科技的发展，机器人的出现大大改善了我们的生活。其中，外呼机器人更是广泛地应用于各行各业。
在现有技术中，在执行某些业务时，可由外呼机器人通过电话外呼用户，此时机器人需要判断外呼的号码是否有效。若无效，外呼机器人直接结束通话。若有效，当电话接通后，外呼机器人还需判断电话对端的用户是否为实际需要执行该业务的用户，而如果外呼对象否认自己是本人，外呼机器人则只能采取结束话术策略，之后再采用人工外呼的方式判断外呼对象的身份。
可见，在现有技术中，当机器人外呼时，只能判断外呼号码是否有效，外呼对象身份的识别仍需依靠人工外呼的方式。
发明内容
本说明书实施例提供一种识别用户身份的方法、装置、存储介质及电子设备，以部分解决上述现有技术存在的问题。
本说明书实施例采用下述技术方案：
本说明书提供的一种识别用户身份的方法，包括：
确定执行第一业务的用户，并建立与所述用户的电话通信；
基于所述电话通信，获取所述用户的实时电话语音；
提取所述实时电话语音的声纹特征，作为第一声纹特征；
将所述第一声纹特征与第二声纹特征进行匹配，所述第二声纹特征是预先在所述用户执行第二业务时提取的所述用户的历史电话语音的声纹特征，其中，所述第一业务为第二业务的相关后续业务；
根据所述匹配的结果，识别所述用户的身份。
可选地，提取所述实时电话语音的声纹特征，具体包括：
将所述实时电话语音切分为若干个语音片段；
针对每个语音片段，对该语音片段进行预处理，所述预处理包括平滑处理；
采用预先训练的声纹提取模型，提取预处理后的各语音片段的声纹特征。
可选地，预先在所述用户执行第二业务时提取所述用户的历史电话语音的声纹特征，具体包括：
预先在所述用户通过电话通信执行第二业务的过程中，获取所述用户根据提示信息答复的电话语音，作为历史电话语音；
将所述历史电话语音切分为若干个语音片段；
针对每个语音片段，对该语音片段进行预处理，所述预处理包括平滑处理；
采用预先训练的声纹提取模型，提取预处理后的各语音片段的声纹特征并保存。
可选地，预先在所述用户通过电话通信执行第二业务的过程中，获取所述用户根据提示信息答复的电话语音，作为历史电话语音，具体包括：
当所述用户通过电话通信执行第二业务时，根据预先存储的标准文本信息，生成与所述标准文本信息对应的标准语音，作为提示信息，其中，所述第二业务包括借贷业务；
通过电话通信向所述用户播放所述提示信息，所述提示信息用于提示所述用户根据所述标准语音返回答复语音；
获取所述用户的答复语音，对所述答复语音进行语义识别，并根据语义识别的结果，将所述答复语音转换成答复文本信息；
判断所述答复文本信息与所述标准文本信息是否匹配；
若匹配，则获取所述答复语音，作为历史电话语音，并获取所述用户的身份标识及账户信息，根据所述用户的后续电话语音确定所述用户的借款额度，根据所述用户的身份标识、账户信息以及所述借款额度，为所述用户执行借贷业务，并确定为所述用户执行的借贷业务对应的还款时间。
可选地，将所述第一声纹特征与第二声纹特征进行匹配，具体包括：
针对每个第一声纹特征，确定该第一声纹特征与第二声纹特征的相似度；
若所述相似度超过第一预设阈值，则确定该第一声纹特征与第二声纹特征匹配。
可选地，根据所述匹配的结果，识别所述用户的身份，具体包括：
若与所述第二声纹特征相匹配的第一声纹特征数量不小于第二预设阈值，则确定所述用户的身份为所述用户本人。
可选地，识别所述用户的身份之后，还包括：
若确定所述用户的身份为所述用户本人，则将获取的所述用户的实时电话语音进行语义识别；
根据语义识别的结果判断所述用户是否为异常用户，所述异常用户为否认自己是本人的用户；
若确定所述用户为异常用户，则根据预设的与所述异常用户对应的话术策略生成第一应答语音，并向所述用户播放所述第一应答语音；
所述话术策略包括：重复询问所述用户是否为本人的话术策略；以及，根据预设的对所述用户采取的惩罚处理策略生成第二应答语音的话术策略。
本说明书提供的一种识别用户身份的装置，包括：
通信模块，用于确定执行第一业务的用户，并建立与所述用户的电话通信；
获取模块，用于基于所述电话通信，获取所述用户的实时电话语音；
提取模块，用于提取所述实时电话语音的声纹特征，作为第一声纹特征；
匹配模块，用于将所述第一声纹特征与第二声纹特征进行匹配，所述第二声纹特征是预先在所述用户执行第二业务时提取的所述用户的历史电话语音的声纹特征，其中，所述第一业务为第二业务的相关后续业务；
识别模块，用于根据所述匹配的结果，识别所述用户的身份。
本说明书提供的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，所述计算机程序被处理器执行时实现上述的识别用户身份的方法。
本说明书提供的一种电子设备，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，所述处理器执行所述程序时实现上述的识别用户身份的方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
本说明书实施例先获取用户通过电话通信执行第二业务时的电话语音，作为历史电话语音，并提取所述历史电话语音的声纹特征并保存，然后在该用户通过电话通信执行第一业务时，获取该用户的实时电话语音，将所述实时电话语音的声纹特征与所述历史电话语音的声纹特征进行匹配，由于不同用户的声纹是不同的，并且用户的语音都是通过电话语音信道获取的，因此在声纹特征匹配时，能够实现准确匹配，不会出现跨信号的问题。最终根据匹配结果，识别该用户的身份。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书实施例提供的识别用户身份的流程示意图；
图2为本说明书实施例提供的识别用户身份的装置结构示意图；
图3为本说明书实施例提供的电子设备的结构示意图。
具体实施方式
本说明书提供的识别用户身份的方法旨在先保存用户通过电话通信执行第二业务电话语音的声纹特征，再提取用户执行第一业务的电话语音的声纹特征，将执行第一业务的声纹特征与执行第二业务的声纹特征进行匹配，根据匹配结果，识别执行第一业务的用户是否为执行第二业务的用户。
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图1为本说明书实施例提供的识别用户身份的流程示意图，包括：
S100：确定执行第一业务的用户，并建立与所述用户的电话通信。
现如今，业务的执行方式多种多样，其中的一种执行方式是通过电话的方式执行业务，但在执行业务的过程中，有可能就会涉及到用户身份的识别。比如，用户打电话给客服咨询相关业务并决定是否执行这个业务，如果执行，则在后续执行业务时，采用外呼机器人为用户办理此业务。这时，外呼机器人就需要先确认用户的身份，才能进行业务执行。
例如，本说明书实施例中所述的第一业务可以是宽带开启业务，则执行第一业务的用户可以是需要使用宽带业务的用户。
具体的，外呼机器人先在系统中查询需要使用宽带业务的用户，并且获取该用户的相关信息，其中，相关信息包括但不限于身份证号、手机号等信息。根据该用户的手机号，外呼机器人拨打该用户的电话，建立电话通信。
S102：基于所述电话通信，获取所述用户的实时电话语音。
继续沿用上例，通过步骤S100将外呼机器人与需要使用宽带业务的用户建立电话通信之后，外呼机器人先确定用户身份，再根据宽带业务的相关信息询问用户的意见，并且重新确认用户是否需要执行宽带开启业务。在此过程中，外呼机器人实时录制用户的电话语音并保存。
S104：提取所述实时电话语音的声纹特征，作为第一声纹特征。
继续沿用上例，通过步骤S102获取需要执行宽带开启业务的用户的实时电话语音后，可先将该实时电话语音切分为若干个语音片段，针对每个语音片段，对该语音片段进行预处理，其中，预处理包括平滑处理，再采用预先训练的声纹提取模型，提取预处理后的各语音片段的声纹特征，将这些声纹特征作为第一声纹特征。
其中，平滑处理包括分帧、加窗、预加重等处理。预先训练的声纹提取模型包括但不限于Ivector、Dvector、神经网络等模型，还可以采用各种特征提取模型融合的方法。本说明书对此不作限制。
S106：将所述第一声纹特征与第二声纹特征进行匹配，所述第二声纹特征是预先在所述用户执行第二业务时提取的所述用户的历史电话语音的声纹特征，其中，所述第一业务为第二业务的相关后续业务。
继续沿用上例，第二业务可以是宽带咨询业务，宽带开启业务是宽带咨询业务的后续业务，当用户通过电话通信的方式执行宽带咨询业务时，提取该用户的声纹特征，作为第二声纹特征，并将第二声纹特征与该用户的相关信息相关联后一起保存到声纹库中。然后当外呼机器人通过电话通信的方式重新确认用户是否需要执行宽带开启业务时，将外呼对象的声纹特征与声纹库中已有的第二声纹特征进行匹配。
其中，用户在执行第二业务时，可进行人机验证，即根据提示信息答复电话语音。比如，当用户打电话执行宽带咨询业务时，业务平台将播放一段语音，并让用户复述语音内容。若用户能正确地说出语音内容，则该用户通过人机验证。
具体的，在进行人机验证时，可先根据预先存储的标准文本信息，生成与标准文本信息对应的标准语音，作为提示信息，再通过电话通信向该用户播放提示信息，其中，提示信息用于提示该用户根据标准语音返回答复语音，然后获取该用户的答复语音，对答复语音进行语义识别，并根据语义识别的结果，将答复语音转换成答复文本信息，最后判断答复文本信息与标准文本信息是否匹配，若匹配，则获取答复语音作为历史电话语音，并且提取历史电话语音的声纹特征，作为第二声纹特征。
需要说明的是，人机验证的方式可多种多样，本说明书对此不作限制。
S108：根据所述匹配的结果，识别所述用户的身份。
在本说明书实施例中，通过步骤S106确定匹配的结果之后，判断外呼对象是否为执行第二业务的用户，即，识别执行第一业务的用户是否为执行第二业务的用户。若是，则采用本人话术策略，若不是，则采用非本人话术策略。本人话术策略可包括：用户承认自己是本人的话术策略和用户不承认自己是本人的话术策略。需要说明的是，本说明书实施例中所述的本人话术策略是指外呼机器人已经确认外呼对象是用户本人的情况下所采用的话术策略。例如，假设外呼机器人的外呼对象是张三，若外呼机器人采用上述如图1所示的方法识别外呼对象确实是张三本人，但对张三的实时电话语音进行语义识别后，语义识别的结果为“外呼对象否认自己是张三”，则外呼机器人可采用本人话术策略中用户不承认自己是本人的话术策略。
也就是说，若确定该用户的身份为用户本人，则将获取的用户的实时电话语音进行语义识别，根据语义识别的结果判断用户是否为异常用户，其中，异常用户为否认自己是本人的用户。若确定该用户为异常用户，则根据预设的与异常用户对应的话术策略生成第一应答语音，并向该用户播放第一应答语音，话术策略包括：重复询问用户是否为本人的话术策略，以及，根据预设的对用户采取的惩罚处理策略生成第二应答语音的话术策略。其中，上述异常用户对应的话术策略就是用户不承认自己是本人的话术策略，具体的，外呼机器人可重复询问用户是否为本人，若用户继续否认自己是本人，则可根据对用户采取的惩罚处理策略，生成第二答复语音，再将第二答复语音播放给用户。
通过上述图1所示的方法可见，本说明书先获取用户通过电话通信执行第二业务时的电话语音，作为历史电话语音，并提取历史电话语音的声纹特征并保存，然后在该用户通过电话通信执行第一业务时，获取该用户的实时电话语音，将实时电话语音的声纹特征与历史电话语音的声纹特征进行匹配，由于不同用户的声纹特征是不同的，并且用户的语音都是通过电话语音信道获取的，因此在声纹特征匹配时，能够实现准确匹配。如果用户执行第二业务时，从并非通过电话语音信道获取的语音(如直接录制的普通语音)中提取第二声纹特征，则由于第一声纹特征是从该用户通过电话语音信道获取的实时电话语音中提取的，因此两个语音样本的传输媒介不同，从这两个语音样本中分别提取的两个声纹特征的失真程度也就有所不同，会存在失真匹配的情况，导致匹配不准确。
而且，如上例中外呼机器人在已经确认用户是本人的情况下，如果用户不承认自己是本人，外呼机器人还可采用相应的话术策略，而不再是直接结束通话，提高了执行业务的效率。
进一步的，由于在上述步骤S104中，第一声纹特征具体是分别从实时电话语音切分出的多个语音片段中提取出的多个第一声纹特征，因此，步骤S106中将第一声纹特征与第二声纹特征进行匹配的方法可包括：针对每个第一声纹特征，确定该第一声纹特征与第二声纹特征的相似度，若相似度超过第一预设阈值，则确定该第一声纹特征与第二声纹特征匹配。
其中，在对实时电话语音进行切分时，可根据历史电话语音的时长，将实时电话语音切分为若干个均为该时长的语音片段。
例如，若用户执行宽带咨询业务时人机验证的答复语音时长为3s，该用户执行宽带开启业务时的实时电话语音为30s。则根据用户的答复语音时长，将实时电话语音切分为10个时长为3s的语音片段。先提取答复语音的声纹特征，作为特征1，即，第二声纹特征。再提取10个语音片段的声纹特征，分别为特征A～特征J，即10个第一声纹特征。确定特征A与特征1的相似度，若相似度超过第一预设阈值，则确定特征A与特征1匹配，以此类推，分别判断特征A～特征J是否与特征1匹配。
针对上述的声纹特征匹配结果，在如图1所示的步骤S108中，识别用户的身份的方法可包括：在各第一声纹特征中，若与第二声纹特征相匹配的第一声纹特征的数量不小于第二预设阈值，则确定所述用户的身份为所述用户本人。
另外，对于历史电话语音，也可将历史电话语音进行切分，并从切分的多个语音片段中分别提取多个第二声纹特征。具体的，可先在用户通过电话通信执行第二业务的过程中，获取该用户根据提示信息答复的电话语音，作为历史电话语音，再将历史电话语音切分为若干个语音片段，针对每个语音片段，对该语音片段进行预处理，所述预处理包括平滑处理，最后采用预先训练的声纹提取模型，提取预处理后的各语音片段的声纹特征，将这些声纹特征作为第二声纹特征。
需要说明的是，对从历史电话语音切分出的语音片段和从实时电话语音切分出的语音片段可采用相同的平滑处理，并且采用同一声纹提取模型进行声纹特征提取。
进一步的，当第一声纹特征与第二声纹特征均为多个时，将第一声纹特征与第二声纹特征进行匹配的方法可以为：针对每个第一声纹特征，确定该第一声纹特征与每个第二声纹特征的相似度，若与该第一声纹特征的相似度超过第一预设阈值的第二声纹特征的数量超过第三预设阈值，则确定该第一声纹特征与全部第二声纹特征匹配。
例如，如果用户执行宽带咨询业务时人机验证的答复语音时长为5s，该用户执行宽带办理业务时的实时电话语音为10s。将用户的答复语音切分成时长为1s的5个语音片段，将实时电话语音切分成时长为1s的10个语音片段。先提取答复语音的5个语音片段的声纹特征，分别为特征1～特征5，即5个第二声纹特征，再提取实时电话语音的10个语音片段的声纹特征，分别为特征A～特征J，即10个第一声纹特征。先确定特征A分别与特征1的相似度，若相似度超过第一预设阈值，则确定特征A与特征1匹配，以此类推，分别确定特征A是否与特征1～特征5匹配。进一步，若特征A与特征1～特征5中任意3(即，第三预设阈值为3)个声纹特征都能匹配，则确定特征A与全部第二声纹特征匹配。重复上述特征A与全部第二声纹特征的匹配方法，判断特征A～特征J是否与全部第二声纹特征的匹配。
针对上述的声纹特征匹配结果，在如图1所示的步骤S108中，识别用户的身份的方法可包括：在各第一声纹特征中，若与全部第二声纹特征相匹配的第一声纹特征的数量不小于第二预设阈值，则确定所述用户的身份为所述用户本人。
需要说明的是，第一预设阈值、第二预设阈值和第三预设阈值根据实际需求设置，本说明书对此不作限制。
以上是以第一业务为宽带开启业务、第二业务为宽带咨询业务为例进行说明的。当然，在本说明书实施例中，第一业务和第二业务还可以是其他业务，只要第一业务是与第二业务相关的后续业务即可。例如，第一业务可以是催收业务，第二业务可以是借贷业务。在催收业务场景中，在用户通过电话通信执行第二业务时，即借贷业务时，利用人机验证的方式，不被用户感知地获取用户的答复语音，作为历史语音，并提取历史语音的第二声纹特征保存于声纹库中。在人机验证时，用户的答复语音验证通过后，还可获取用户的身份标识(如，身份证号)和用户的账户信息，然后通过用户后续的电话语音可以确定用户的借款额度，最后根据用户的身份标识、账户信息以及所述借款额度，为用户办理借贷业务，并确定用户借款后的还款时间。当该用户执行第一业务时，即催收业务时，外呼机器人与该用户建立电话通信，获取该用户的实时电话语音，并提取实时电话语音的第一声纹特征，将实时电话语音的第一声纹特征与声纹库中的第二声纹特征进行匹配，若匹配，则确认该用户是用户本人，即该用户是借贷对象。根据匹配的结果，外呼机器人采用不同的话术策略，进行催款。
以上为本说明书实施例提供的识别用户身份的方法，基于同样的思路，本说明书还提供了相应的装置、存储介质和电子设备。
图2为本说明书实施例提供的一种识别用户身份的装置的结构示意图，所述装置包括：
通信模块401，用于确定执行第一业务的用户，并建立与所述用户的电话通信；
获取模块402，用于基于所述电话通信，获取所述用户的实时电话语音；
提取模块403，用于提取所述实时电话语音的声纹特征，作为第一声纹特征；
匹配模块404，用于将所述第一声纹特征与第二声纹特征进行匹配，所述第二声纹特征是预先在所述用户执行第二业务时提取的所述用户的历史电话语音的声纹特征，其中，所述第一业务为第二业务的相关后续业务；
识别模块405，用于根据所述匹配的结果，识别所述用户的身份。
可选地，所述提取模块403具体用于，将所述实时电话语音切分为若干个语音片段；针对每个语音片段，对该语音片段进行预处理，所述预处理包括平滑处理；采用预先训练的声纹提取模型，提取预处理后的各语音片段的声纹特征。
可选地，所述匹配模块404具体用于，预先在所述用户通过电话通信执行第二业务的过程中，获取所述用户根据提示信息答复的电话语音，作为历史电话语音；将所述历史电话语音切分为若干个语音片段；针对每个语音片段，对该语音片段进行预处理，所述预处理包括平滑处理；采用预先训练的声纹提取模型，提取预处理后的各语音片段的声纹特征并保存。
可选地，所述匹配模块404具体用于，当所述用户通过电话通信执行第二业务时，根据预先存储的标准文本信息，生成与所述标准文本信息对应的标准语音，作为提示信息；通过电话通信向所述用户播放所述提示信息，所述提示信息用于提示所述用户根据所述标准语音返回答复语音；获取所述用户的答复语音，对所述答复语音进行语义识别，并根据语义识别的结果，将所述答复语音转换成答复文本信息；判断所述答复文本信息与所述标准文本信息是否匹配；若匹配，则获取所述答复语音，作为历史电话语音，并获取所述用户的身份标识及账户信息，根据所述用户的后续电话语音确定所述用户的借款额度，根据所述用户的身份标识、账户信息以及所述借款额度，为所述用户执行借贷业务，并确定为所述用户执行的借贷业务对应的还款时间。
可选地，所述匹配模块404具体用于，针对每个第一声纹特征，确定该第一声纹特征与第二声纹特征的相似度；若所述相似度超过第一预设阈值，则确定该第一声纹特征与第二声纹特征匹配。
可选地，所述识别模块405具体用于，若与所述第二声纹特征相匹配的第一声纹特征数量不小于第二预设阈值，则确定所述用户的身份为所述用户本人。
可选地，所述识别模块405还用于，在识别所述用户的身份之后，若确定所述用户的身份为所述用户本人，则将获取的所述用户的实时电话语音进行语义识别；根据语义识别的结果判断所述用户是否为异常用户，所述异常用户为否认自己是本人的用户；若确定所述用户为异常用户，则根据预设的与所述异常用户对应的话术策略生成第一应答语音，并向所述用户播放所述第一应答语音；所述话术策略包括：重复询问所述用户是否为本人的话术策略；以及，根据预设的对所述用户采取的惩罚处理策略生成第二应答语音的话术策略。
本说明书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，所述计算机程序被处理器执行时可用于执行上述图1提供的识别用户身份的方法。
基于图1所示的运动轨迹的预测方法，本说明书实施例还提供了图3所示的无人设备的结构示意图。如图3，在硬件层面，该无人设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的识别用户身份的方法。
当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (10)

1.一种识别用户身份的方法，其特征在于，包括：
确定执行第一业务的用户，并建立与所述用户的电话通信；
基于所述电话通信，获取所述用户的实时电话语音；
提取所述实时电话语音的声纹特征，作为第一声纹特征；
将所述第一声纹特征与第二声纹特征进行匹配，所述第二声纹特征是预先在所述用户执行第二业务时提取的所述用户的历史电话语音的声纹特征，其中，所述第一业务为第二业务的相关后续业务；
根据所述匹配的结果，识别所述用户的身份。
2.如权利要求1所述的方法，其特征在于，提取所述实时电话语音的声纹特征，具体包括：
将所述实时电话语音切分为若干个语音片段；
针对每个语音片段，对该语音片段进行预处理，所述预处理包括平滑处理；
采用预先训练的声纹提取模型，提取预处理后的各语音片段的声纹特征。
3.如权利要求1所述的方法，其特征在于，预先在所述用户执行第二业务时提取所述用户的历史电话语音的声纹特征，具体包括：
预先在所述用户通过电话通信执行第二业务的过程中，获取所述用户根据提示信息答复的电话语音，作为历史电话语音；
将所述历史电话语音切分为若干个语音片段；
针对每个语音片段，对该语音片段进行预处理，所述预处理包括平滑处理；
采用预先训练的声纹提取模型，提取预处理后的各语音片段的声纹特征并保存。
4.如权利要求3所述的方法，其特征在于，预先在所述用户通过电话通信执行第二业务的过程中，获取所述用户根据提示信息答复的电话语音，作为历史电话语音，具体包括：
当所述用户通过电话通信执行第二业务时，根据预先存储的标准文本信息，生成与所述标准文本信息对应的标准语音，作为提示信息，其中，所述第二业务包括借贷业务；
通过电话通信向所述用户播放所述提示信息，所述提示信息用于提示所述用户根据所述标准语音返回答复语音；
获取所述用户的答复语音，对所述答复语音进行语义识别，并根据语义识别的结果，将所述答复语音转换成答复文本信息；
判断所述答复文本信息与所述标准文本信息是否匹配；
若匹配，则获取所述答复语音，作为历史电话语音，并获取所述用户的身份标识及账户信息，根据所述用户的后续电话语音确定所述用户的借款额度，根据所述用户的身份标识、账户信息以及所述借款额度，为所述用户执行借贷业务，并确定为所述用户执行的借贷业务对应的还款时间。
5.如权利要求2所述的方法，其特征在于，将所述第一声纹特征与第二声纹特征进行匹配，具体包括：
针对每个第一声纹特征，确定该第一声纹特征与第二声纹特征的相似度；
若所述相似度超过第一预设阈值，则确定该第一声纹特征与第二声纹特征匹配。
6.如权利要求5所述的方法，其特征在于，根据所述匹配的结果，识别所述用户的身份，具体包括：
若与所述第二声纹特征相匹配的第一声纹特征数量不小于第二预设阈值，则确定所述用户的身份为所述用户本人。
7.如权利要求1所述的方法，其特征在于，在识别所述用户的身份之后，还包括：
若确定所述用户的身份为所述用户本人，则将获取的所述用户的实时电话语音进行语义识别；
根据语义识别的结果判断所述用户是否为异常用户，所述异常用户为否认自己是本人的用户；
若确定所述用户为异常用户，则根据预设的与所述异常用户对应的话术策略生成第一应答语音，并向所述用户播放所述第一应答语音；
所述话术策略包括：重复询问所述用户是否为本人的话术策略；以及，根据预设的对所述用户采取的惩罚处理策略生成第二应答语音的话术策略。
8.一种识别用户身份的装置，其特征在于，包括：
通信模块，用于确定执行第一业务的用户，并建立与所述用户的电话通信；
获取模块，用于基于所述电话通信，获取所述用户的实时电话语音；
提取模块，用于提取所述实时电话语音的声纹特征，作为第一声纹特征；
匹配模块，用于将所述第一声纹特征与第二声纹特征进行匹配，所述第二声纹特征是预先在所述用户执行第二业务时提取的所述用户的历史电话语音的声纹特征，其中，所述第一业务为第二业务的相关后续业务；
识别模块，用于根据所述匹配的结果，识别所述用户的身份。
9.一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，所述计算机程序被处理器执行时实现上述权利要求1-7任一项所述的方法。
10.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现上述权利要求1-7任一项所述的方法。
CN202011581549.6A 2020-12-28 2020-12-28 一种识别用户身份的方法、装置、存储介质及电子设备 Active CN112738344B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011581549.6A CN112738344B (zh) 2020-12-28 2020-12-28 一种识别用户身份的方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011581549.6A CN112738344B (zh) 2020-12-28 2020-12-28 一种识别用户身份的方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN112738344A true CN112738344A (zh) 2021-04-30
CN112738344B CN112738344B (zh) 2022-12-09

Family

ID=75607176

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011581549.6A Active CN112738344B (zh) 2020-12-28 2020-12-28 一种识别用户身份的方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN112738344B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113223533A (zh) * 2021-05-31 2021-08-06 平安科技（深圳）有限公司 语音通话方法、装置、计算机设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080140415A1 (en) * 2001-09-05 2008-06-12 Shostak Robert E Voice-controlled communications system and method having an access device
CN102946331A (zh) * 2012-10-10 2013-02-27 北京交通大学 一种社交网络僵尸用户检测方法及装置
CN103929551A (zh) * 2013-01-11 2014-07-16 上海掌门科技有限公司 基于通话的辅助方法及系统
CN105096954A (zh) * 2014-05-06 2015-11-25 中兴通讯股份有限公司 一种身份识别方法及装置
CN109147797A (zh) * 2018-10-18 2019-01-04 平安科技（深圳）有限公司 基于声纹识别的客服方法、装置、计算机设备及存储介质
CN109462482A (zh) * 2018-11-09 2019-03-12 深圳壹账通智能科技有限公司 声纹识别方法、装置、电子设备及计算机可读存储介质
CN109618068A (zh) * 2018-11-08 2019-04-12 上海航动科技有限公司 一种基于人工智能的语音业务推送方法、装置与系统
US20190130918A1 (en) * 2016-05-25 2019-05-02 Baidu Online Network Technology (Beijing) Co., Ltd. Voiceprint authentication method based on deep learning and terminal
CN110610709A (zh) * 2019-09-26 2019-12-24 浙江百应科技有限公司 基于声纹识别的身份辨别方法
CN111538820A (zh) * 2020-04-10 2020-08-14 出门问问信息科技有限公司 一种异常答复处理、装置以及计算机可读存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080140415A1 (en) * 2001-09-05 2008-06-12 Shostak Robert E Voice-controlled communications system and method having an access device
CN102946331A (zh) * 2012-10-10 2013-02-27 北京交通大学 一种社交网络僵尸用户检测方法及装置
CN103929551A (zh) * 2013-01-11 2014-07-16 上海掌门科技有限公司 基于通话的辅助方法及系统
CN105096954A (zh) * 2014-05-06 2015-11-25 中兴通讯股份有限公司 一种身份识别方法及装置
US20190130918A1 (en) * 2016-05-25 2019-05-02 Baidu Online Network Technology (Beijing) Co., Ltd. Voiceprint authentication method based on deep learning and terminal
CN109147797A (zh) * 2018-10-18 2019-01-04 平安科技（深圳）有限公司 基于声纹识别的客服方法、装置、计算机设备及存储介质
CN109618068A (zh) * 2018-11-08 2019-04-12 上海航动科技有限公司 一种基于人工智能的语音业务推送方法、装置与系统
CN109462482A (zh) * 2018-11-09 2019-03-12 深圳壹账通智能科技有限公司 声纹识别方法、装置、电子设备及计算机可读存储介质
CN110610709A (zh) * 2019-09-26 2019-12-24 浙江百应科技有限公司 基于声纹识别的身份辨别方法
CN111538820A (zh) * 2020-04-10 2020-08-14 出门问问信息科技有限公司 一种异常答复处理、装置以及计算机可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113223533A (zh) * 2021-05-31 2021-08-06 平安科技（深圳）有限公司 语音通话方法、装置、计算机设备及存储介质
CN113223533B (zh) * 2021-05-31 2023-06-06 平安科技（深圳）有限公司 语音通话方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN112738344B (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
CN111028827B (zh) 基于情绪识别的交互处理方法、装置、设备和存储介质
CN107437416B (zh) 一种基于语音识别的咨询业务处理方法及装置
CN111105782B (zh) 会话交互处理方法、装置、计算机设备和存储介质
CN112037799B (zh) 语音中断处理方法、装置、计算机设备和存储介质
CN112632961B (zh) 基于上下文推理的自然语言理解处理方法、装置以及设备
CN110661927A (zh) 语音交互方法、装置、计算机设备及存储介质
CN111737987B (zh) 意图识别方法、装置、设备及存储介质
CN109688276B (zh) 一种基于人工智能技术的来电过滤系统及其方法
CN109979450B (zh) 信息处理方法、装置及电子设备
CN109376363A (zh) 一种基于耳机的实时语音翻译方法及装置
CN111739506B (zh) 一种应答方法、终端及存储介质
CN112738344B (zh) 一种识别用户身份的方法、装置、存储介质及电子设备
CN112017663A (zh) 一种语音泛化方法、装置及计算机存储介质
CN112735374B (zh) 一种自动语音交互的方法及装置
CN112529585A (zh) 风险交易的交互唤醒方法、装置、设备及系统
KR20210042520A (ko) 전자 장치 및 이의 제어 방법
CN111970311B (zh) 会话切分方法、电子设备及计算机可读介质
CN115019781A (zh) 一种对话业务执行方法、装置、存储介质及电子设备
CN112911074B (zh) 一种语音通信处理方法、装置、设备和机器可读介质
CN113342945A (zh) 一种语音会话处理方法及装置
CN113506565A (zh) 语音识别的方法、装置、计算机可读存储介质与处理器
CN111369985A (zh) 语音交互方法、装置、设备和介质
CN111785259A (zh) 信息处理方法、装置及电子设备
CN112148864B (zh) 语音交互方法、装置、计算机设备和存储介质
CN109379499A (zh) 一种语音呼叫方法及装置

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