CN112911072A - 呼叫中心音量识别方法、装置、电子设备、存储介质 - Google Patents
呼叫中心音量识别方法、装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN112911072A CN112911072A CN202110116648.5A CN202110116648A CN112911072A CN 112911072 A CN112911072 A CN 112911072A CN 202110116648 A CN202110116648 A CN 202110116648A CN 112911072 A CN112911072 A CN 112911072A
- Authority
- CN
- China
- Prior art keywords
- volume
- audio data
- audio
- label
- classification
- 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 56
- 238000002372 labelling Methods 0.000 claims abstract description 42
- 238000012549 training Methods 0.000 claims abstract description 12
- 238000013145 classification model Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012706 support-vector machine Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 description 17
- 238000012545 processing Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011038 discontinuous diafiltration by volume reduction Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 210000001260 vocal cord Anatomy 0.000 description 1
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
- H04M3/50—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
- H04M3/5175—Call or contact centers supervision arrangements
-
- 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
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- 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
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- 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
- G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
-
- 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
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0272—Voice signal separating
Landscapes
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Marketing (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明提供一种呼叫中心音量识别方法、装置、电子设备、存储介质,方法包括:获取多个历史音频数据以及各历史音频数据的第一标注和第二标注;提取各历史音频数据的语音段,作为音频样本;计算所述音频样本的音频特征;利用所述音频样本的音频特征、第一标注和第二标注训练一音量识别模型;提取待检测音频数据的语音段,并基于待检测音频数据的语音段计算所述待检测音频数据的音频特征;将所述待检测音频数据的音频特征输入经训练的音量识别模型以获得所述待检测音频数据的第一标注分类以及第二标注分类;根据所述待检测音频数据的第一标注分类以及第二标注分类计算所述呼叫中心的客服的服务质量。本发明提供的方法及装置实现呼叫中心音量识别。
Description
技术领域
本发明涉及计算机应用技术领域,尤其涉及一种呼叫中心音量识别方法、装置、电子设备、存储介质。
背景技术
作为线上旅行社(OTA)平台对客和对商的重要枢纽,呼叫中心客服服务质量至关重要。质检是把控服务质量的重要一环,此前对于客服服务的质检,一般由考评部门以人工的方法进行抽检。呼叫中心每天都会产生海量的通话,相比较来说,质检的人力资源较为有限,如果抽出的样本量较小,这样抽出的样本存在较大的随机性,难以代表客服的实际服务质量,而增加抽样的数量则会带来成本的增加。总而言之,人工质检只能进行抽检,也难以针对客服的表现进行跟踪、具体分析。同时,人工的质检的主观性较强,会有标准不一致或者失误的可能。
具体而言,质量管理是客服中心运营管理的重要板块,而质检则是定义客服中心服务质量好坏的标准。客服服务质量的考核一般与客人的满意度挂钩,但客人的满意度有时与客人提出的诉求是否得到满足有关,和客服的服务质量关联性较小。此时较难通过客人满意度衡量客服的服务质量,更难通过这种方式了解客服服务中需要改进的地方。因此需要相对客观的质检标准,在把控员工服务质量的同时也为员工指明问题。
作为呼叫中心的客服人员,使用合适的音量与客户沟通是非常重要的,当客服说话的音量太小或存在突然的音量减小,客户在嘈杂环境下可能难以辨别客服说话的内容,若客服的声音太大或存在突然的音量提升,可能会显得过于强势,使客户产生抵触心理。
对客服音量的考核之前是由人工完成的,人工质检往往存在几个问题:1)主观性强,质检人员对考核标准的理解不统一。2)随机性强,呼叫中心每天都会产生海量的通话,无法通过人工的方式对每一个客服员的每一通电话进行考核。只能通过随机抽样的方式以偏看全地完成,存在很大的随机性。因此这样的质检无法对客服的表现进行全面了解,也无法通过长期的跟踪来帮助客服发现问题、改进问题。
由此,为了提高质检的效率,保证呼叫中心客服的质量,如何实现客服音量识别,从而检测出客服在交流中的音量过大、音量过小、突然的音量提升和音量下降,是本领域技术人员亟待解决的技术问题。
发明内容
本发明为了克服上述现有技术存在的缺陷,提供一种呼叫中心音量识别方法、装置、电子设备、存储介质,提高质检的效率,保证呼叫中心客服的质量,如何实现客服音量识别,从而检测出客服在交流中的音量过大、音量过小、突然的音量提升和音量下降。
根据本发明的一个方面,提供一种呼叫中心音量识别方法,包括:
获取多个历史音频数据以及各历史音频数据的第一标注和第二标注,所述第一标注为音量大小标注,所述第二标注为音量波动标注;
提取各所述历史音频数据的语音段,作为音频样本;
计算所述音频样本的音频特征;
利用所述音频样本的音频特征、第一标注和第二标注训练一音量识别模型;
提取待检测音频数据的语音段,并基于待检测音频数据的语音段计算所述待检测音频数据的音频特征;
将所述待检测音频数据的音频特征输入经训练的音量识别模型以获得所述待检测音频数据的第一标注分类以及第二标注分类;
根据所述待检测音频数据的第一标注分类以及第二标注分类计算所述呼叫中心的客服的服务质量。
在本发明的一些实施例中,所述提取各所述历史音频数据的语音段,作为音频样本包括:
利用自动语音识别技术,获得所述历史音频数据的帧级音素标签;
将所述历史音频数据的帧级音素标签转换为语音标签和非语音标签;
根据所述历史音频数据的语音标签和非语音标签,提取各所述历史音频数据的语音段,作为音频样本。
在本发明的一些实施例中,所述根据所述历史音频数据的语音标签和非语音标签,提取各所述历史音频数据的语音段,作为音频样本包括:
对所述历史音频数据进行分段;
对所述历史音频数据的每一分段:
计算该分段语音标签的帧数占该分段总帧数的语音比例;
判断所述语音比例是否大于预定比例;
若是,则将该分段作为语音分段;
若否,则将该分段作为非语音分段;
提取所述历史音频数据的语音分段,作为各所述历史音频数据的语音段。
在本发明的一些实施例中,所述计算所述音频样本的音频特征包括如下步骤中的一项或多项:
计算所述音频样本的音量均值;
计算所述音频样本的音量方差;
计算所述音频样本的音量偏度;
计算所述音频样本的音量峰度;
计算所述音频样本的音量第一四分位数。
在本发明的一些实施例中,所述音量识别模型为支持向量机模型,所述音量识别模型包括用于实现第一标注分类的第一多分类模型以及用于实现第二标注分类的第二多分类模型。
在本发明的一些实施例中,所述第一标注分类包括音量大、音量正常、音量小,所述第一多分类模型包括两个二分类模型;
所述第二标注分类包括音量波动异常和音量波动正常,所述第二多分类模型包括一个二分类模型。
在本发明的一些实施例中,所述将所述待检测音频数据的音频特征输入经训练的音量识别模型以获得所述待检测音频数据的第一标注分类以及第二标注分类之后,还包括:
根据所述待检测音频数据的第一标注分类以及第二标注分类,实时调整客服当前通话的输出音量。
根据本发明的又一方面,还提供一种呼叫中心音量识别装置,包括:
获取模块,用于获取多个历史音频数据以及各历史音频数据的第一标注和第二标注,所述第一标注为音量大小标注,所述第二标注为音量波动标注;
第一提取模块,用于提取各所述历史音频数据的语音段,作为音频样本;
第一计算模块,用于计算所述音频样本的音频特征;
训练模块,用于利用所述音频样本的音频特征、第一标注和第二标注训练一音量识别模型;
第二提取模块,用于提取待检测音频数据的语音段,并基于待检测音频数据的语音段计算所述待检测音频数据的音频特征;
识别模块,用于将所述待检测音频数据的音频特征输入经训练的音量识别模型以获得所述待检测音频数据的第一标注分类以及第二标注分类;
第二计算模块,用于根据所述待检测音频数据的第一标注分类以及第二标注分类计算所述呼叫中心的客服的服务质量。
根据本发明的又一方面,还提供一种电子设备,所述电子设备包括:处理器;存储介质,其上存储有计算机程序,所述计算机程序被所述处理器运行时执行如上所述呼叫中心音量识别方法的步骤。
根据本发明的又一方面,还提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上所述呼叫中心音量识别方法的步骤。
相比现有技术,本发明的优势在于:
本发明通过自动呼叫中心音量识别方法来代替人工质检。在计算音量前,通过对提取音频数据的语音段,以剔除噪声,从而以减少存在背景噪音、其他人说话的情况对客服音量识别产生影响,再将语音段的音频特征和标注信息输入至音量识别模型中,进行标注分类识别,并可以基于标注分类识别计算所述呼叫中心的客服的服务质量,进而保证客服的服务质量,帮助客服发现自身服务中存在的问题。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显。
图1示出了根据本发明实施例的呼叫中心音量识别方法的流程图。
图2示出了根据本发明具体实施例的提取各所述历史音频数据的语音段,作为音频样本的流程图。
图3示出了根据本发明实施例的根据所述历史音频数据的语音标签和非语音标签,提取各所述历史音频数据的语音段,作为音频样本的流程图。
图4示出了根据本发明实施例的呼叫中心音量识别装置的模块图。
图5示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。
图6示意性示出本公开示例性实施例中一种电子设备示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
为了解决现有技术的缺陷,提高质检的效率,保证呼叫中心客服的质量,如何实现客服音量识别,从而检测出客服在交流中的音量过大、音量过小、突然的音量提升和音量下降,本发明提供一种呼叫中心音量识别方法、装置、电子设备、存储介质。
首先参见图1,图1示出了根据本发明实施例的呼叫中心音量识别方法的示意图。呼叫中心音量识别方法包括如下步骤:
步骤S110:获取多个历史音频数据以及各历史音频数据的第一标注和第二标注,所述第一标注为音量大小标注,所述第二标注为音量波动标注。
为了样本的平衡性,步骤S110可以首先使用传统基于能量的音量计算方法,捞取了平均音量偏大、偏小、正常以及音量波动过大的音频,由质检人员进行音量偏大/音量偏小/音量正常和音量波动大/音量波动正常的两项标注。
步骤S120:提取各所述历史音频数据的语音段,作为音频样本。
步骤S130:计算所述音频样本的音频特征。
步骤S140:利用所述音频样本的音频特征、第一标注和第二标注训练一音量识别模型。
步骤S150:提取待检测音频数据的语音段,并基于待检测音频数据的语音段计算所述待检测音频数据的音频特征。
具体而言,步骤S150对待检测音频数据执行的处理过程可以与步骤S120和步骤S130对历史音频数据的处理过程一致。进一步地,待检测音频数据可以与客服标识相关联。
步骤S160:将所述待检测音频数据的音频特征输入经训练的音量识别模型以获得所述待检测音频数据的第一标注分类以及第二标注分类。
步骤S170:根据所述待检测音频数据的第一标注分类以及第二标注分类计算所述呼叫中心的客服的服务质量。
具体而言,可以对客服的每一通电话进行音量识别,从而计算获得客服每一通电话的服务质量。在一些变化例中,还可以通过客服每一通电话的音量识别,从而计算客服在预定时间段(一天、一周等)内的服务质量。服务质量的计算可以按需设置,本发明并非以此为限制,例如,当第一标注分类为音量正常且第二标注分类为音量波动正常时,服务质量设置为1;当第一标注分类为音量正常且第二标注分类为音量波动异常时,服务质量设置为0.5;当第一标注分类为音量偏大/偏小且第二标注分类为音量波动正常时,服务质量设置为0.5;当第一标注分类为音量偏大/偏小且第二标注分类为音量波动异常时,服务质量设置为0。本发明并非以此为限制,分值的取值范围的变化、结合权重进行服务质量评价、结合其它参数进行服务质量评价等皆在本发明的保护范围之内。
在本发明提供的呼叫中心音量识别方法中,本发明通过自动呼叫中心音量识别方法来代替人工质检。在计算音量前,通过对提取音频数据的语音段,以剔除噪声,从而以减少存在背景噪音、其他人说话的情况对客服音量识别产生影响,再将语音段的音频特征和标注信息输入至音量识别模型中,进行标注分类识别,并可以基于标注分类识别计算所述呼叫中心的客服的服务质量,进而保证客服的服务质量,帮助客服发现自身服务中存在的问题。
下面参见图2,图2示出了根据本发明具体实施例的提取各所述历史音频数据的语音段,作为音频样本的流程图。图2共示出如下步骤:
步骤S121:利用自动语音识别技术,获得所述历史音频数据的帧级音素标签;
步骤S122:将所述历史音频数据的帧级音素标签转换为语音标签和非语音标签;
步骤S123:根据所述历史音频数据的语音标签和非语音标签,提取各所述历史音频数据的语音段,作为音频样本。
本发明可以利用语音活动检测(Voice Activity Detection,VAD),来提取各所述历史音频数据的语音段。语音活动检测是一种基于深度学习模型的方法,为了获得语音活动检测的模型,可以首先使用训练好的自动语音识别(Automatic Speech Recognition,ASR)模型对语料进行强制对齐,以获得帧级的音素标签。然后将音素标签转换成语言和非语音的标签,训练二分类模型。本发明为了平衡分类准确率与实际预测的耗时,可以采用STFT(短时傅里叶变换)作为模型的输入,以TDNN(时延神经网络)为模型的网络结构。
VAD模型对语音的每帧给出是否的说话段的判决,但直接采用这个结果,剔除所有的非语音帧、只保留语音帧,会将音频切割的过细,这样计算出的每小段的音量上下波动较大,不利于对音量的检测。因此,为了获得客服说每句话的音量,方便进行后续的评价,需要对VAD的结果进行平滑,可以进行规则的平滑,比如计算一段音频中说话帧的比例,如果高于阈值则将该段归为说话段,否则归为非语音段。在一些变化例中,也可以使用相关的公式计算来概率。
下面参见图3,图3示出了根据本发明实施例的根据所述历史音频数据的语音标签和非语音标签,提取各所述历史音频数据的语音段,作为音频样本的流程图。图3共示出如下步骤:
步骤S1231:对所述历史音频数据进行分段;
步骤S1232:对所述历史音频数据的每一分段:
步骤S1233:计算该分段语音标签的帧数占该分段总帧数的语音比例;
步骤S1234:判断所述语音比例是否大于预定比例;
若步骤S1234判断为是,则执行步骤S1235:将该分段作为语音分段;
若步骤S1234判断为否,则执行步骤S1236:将该分段作为非语音分段;
步骤S1237:提取所述历史音频数据的语音分段,作为各所述历史音频数据的语音段。
音量代表声音的强度,可由一个窗口或一帧内信号振幅的大小来衡量,一般有两种度量方法:a)每个帧的振幅的绝对值的总和,b)幅值平方和的常数对数的10倍。本发明可以采用第二种方法,它的单位是分贝,是一个对数强度值,比较符合人耳对声音大小的感觉。音量的计算公式为:
volume=10log10∑i=1 nsi 2
其中si为第该帧的i个采样点,n为该帧总的采样点数。同时,在计算前可以对语音执行过零率(zero-justified),这是因为可能存在录音设备导致的直流偏移,具体实施方法为在计算前先减去整段语音的平均值。计算出一通电话的所有段的音量后,对所有段的音量计算特征,包括均值、方差、偏度、峰度、第一四分位数等。由此,在本发明的一些实施例中,所述步骤S130计算所述音频样本的音频特征包括如下步骤中的一项或多项:计算所述音频样本的音量均值;计算所述音频样本的音量方差;计算所述音频样本的音量偏度;计算所述音频样本的音量峰度;计算所述音频样本的音量第一四分位数。
在本发明的一些实施例中,所述音量识别模型为支持向量机模型,所述音量识别模型包括用于实现第一标注分类的第一多分类模型以及用于实现第二标注分类的第二多分类模型。具体而言,所述第一标注分类包括音量大、音量正常、音量小,所述第一多分类模型包括两个二分类模型;所述第二标注分类包括音量波动异常和音量波动正常,所述第二多分类模型包括一个二分类模型。
支持向量机(SVM)是一个传统的机器学习算法,它在小样本分类问题中有独特的优势。支持向量机的核心思想是,在高维空间寻找一个超平面,将目标的两种类别区分开。在处理多分类问题如进行音量偏大/音量偏小/音量正常的三分类时,需要构造多类分类器。这里采用间接法,也就是组合多个二分类模型来进行多分类模型的构造,常见的方法有一对多法(one-against-one)和一对一法(one-against-all)两种。本发明采用的是一对多法。具体来说,对我们音量偏大/音量偏小/音量正常的三分类任务,构造出了2个二分类的SVM,如将音量偏大归为二分类的一类,音量偏小和音量正常为另一类。分类时将未知样本分类为具有最大分类函数值的那类。训练时分别针对两个任务进行SVM的训练,分别是音量偏大/音量偏小/音量正常的三分类任务,和音量波动大/音量波动正常的二分类任务。使用交叉验证法,对于每个目标,分别设置合适的核函数与超参数并进行优化,最后得到了任务对应的SVM模型。
在本发明的一些实施例中,所述将所述待检测音频数据的音频特征输入经训练的音量识别模型以获得所述待检测音频数据的第一标注分类以及第二标注分类之后,还可以包括:根据所述待检测音频数据的第一标注分类以及第二标注分类,实时调整客服当前通话的输出音量。由此,除了实现客服的服务质量检测之外,还可以实时调整通话的输出音量,例如,当客服的待检测音频数据指示客服音量偏大时,则可以实时减小通话的输出音量,以使得接听端能够听到适当音量的客服服务;当客服的待检测音频数据指示客服音量偏小时,则可以实时增大通话的输出音量,以使得接听端能够听到适当音量的客服服务。在一些变化例中,考虑到部分客服的本身习惯或者声带构造等,导致其声音本身就相对较小或较大,则还可以依据各客服的多个待检测音频数据的第一标注分类的结果,当音量偏大/音量偏的待检测音频数据数量与总数之比大于预定阈值时,则可以保持对该客服的通话输出音量的调整(例如,该客服音量偏大,则减小通话输出音量;该客服音量偏小,则增大通话输出音量),直到下一次对该客服的下一时间段的多个待检测音频数据进行音量识别时,根据识别结果判断是否需要进行调整。进一步地,可以获取多个音量偏大的客服标识,以对该多个音量偏大的客服的通话进行统一处理;同时,可以获取多个音量偏小的客服标识,以对该多个音量偏大的客服的通话进行统一处理。本发明还可以实现更多的变化方式,在此不予赘述。
本发明提出的客服音量识别方法考虑了噪音影响,能有效检测客服工作中音量不恰当的问题,可以有效地在音量维度对客服的服务进行考核,保证客服的服务质量,对客服服务的改进方向进行提示。本发明使用的方法对检测语句的长度不做限制,计算量小,实用性强。
以上仅仅是示意性地描述本发明的多个实现方式,本发明并非以此为限制。
本发明还提供一种呼叫中心音量识别装置,图4示出了根据本发明实施例的呼叫中心音量识别装置的示意图。呼叫中心音量识别装置200包括获取模块210、第一提取模块220、第一计算模块230、训练模块240、第二提取模块250、识别模块260以及第二计算模块270。
获取模块210用于获取多个历史音频数据以及各历史音频数据的第一标注和第二标注,所述第一标注为音量大小标注,所述第二标注为音量波动标注;
第一提取模块220用于提取各所述历史音频数据的语音段,作为音频样本;
第一计算模块230用于计算所述音频样本的音频特征;
训练模块240用于利用所述音频样本的音频特征、第一标注和第二标注训练一音量识别模型;
第二提取模块250用于提取待检测音频数据的语音段,并基于待检测音频数据的语音段计算所述待检测音频数据的音频特征;
识别模块260用于将所述待检测音频数据的音频特征输入经训练的音量识别模型以获得所述待检测音频数据的第一标注分类以及第二标注分类;
第二计算模块270用于根据所述待检测音频数据的第一标注分类以及第二标注分类计算所述呼叫中心的客服的服务质量。
在本发明提供的呼叫中心音量识别装置中,本发明通过自动呼叫中心音量识别方法来代替人工质检。在计算音量前,通过对提取音频数据的语音段,以剔除噪声,从而以减少存在背景噪音、其他人说话的情况对客服音量识别产生影响,再将语音段的音频特征和标注信息输入至音量识别模型中,进行标注分类识别,并可以基于标注分类识别计算所述呼叫中心的客服的服务质量,进而保证客服的服务质量,帮助客服发现自身服务中存在的问题。
图4仅仅是示意性的示出本发明提供的呼叫中心音量识别装置,在不违背本发明构思的前提下,模块的拆分、合并、增加都在本发明的保护范围之内。本发明提供的呼叫中心音量识别装置可以由软件、硬件、固件、插件及他们之间的任意组合来实现,本发明并非以此为限。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被例如处理器执行时可以实现上述任意一个实施例中所述呼叫中心音量识别方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述呼叫中心音量识别方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图5所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品400,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到租户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本公开的示例性实施例中,还提供一种电子设备,该电子设备可以包括处理器,以及用于存储所述处理器的可执行指令的存储器。其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述呼叫中心音量识别方法的步骤。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图6来描述根据本发明的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元610执行,使得所述处理单元610执行本说明书上述呼叫中心音量识别方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元610可以执行如图1至图3中所示的步骤。
所述存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得租户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述呼叫中心音量识别方法。
相比现有技术,本发明的优势在于:
本发明通过自动呼叫中心音量识别方法来代替人工质检。在计算音量前,通过对提取音频数据的语音段,以剔除噪声,从而以减少存在背景噪音、其他人说话的情况对客服音量识别产生影响,再将语音段的音频特征和标注信息输入至音量识别模型中,进行标注分类识别,并可以基于标注分类识别计算所述呼叫中心的客服的服务质量,进而保证客服的服务质量,帮助客服发现自身服务中存在的问题。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
Claims (10)
1.一种呼叫中心音量识别方法,其特征在于,包括:
获取多个历史音频数据以及各历史音频数据的第一标注和第二标注,所述第一标注为音量大小标注,所述第二标注为音量波动标注;
提取各所述历史音频数据的语音段,作为音频样本;
计算所述音频样本的音频特征;
利用所述音频样本的音频特征、第一标注和第二标注训练一音量识别模型;
提取待检测音频数据的语音段,并基于待检测音频数据的语音段计算所述待检测音频数据的音频特征;
将所述待检测音频数据的音频特征输入经训练的音量识别模型以获得所述待检测音频数据的第一标注分类以及第二标注分类;
根据所述待检测音频数据的第一标注分类以及第二标注分类计算所述呼叫中心的客服的服务质量。
2.如权利要求1所述的呼叫中心音量识别方法,其特征在于,所述提取各所述历史音频数据的语音段,作为音频样本包括:
利用自动语音识别技术,获得所述历史音频数据的帧级音素标签;
将所述历史音频数据的帧级音素标签转换为语音标签和非语音标签;
根据所述历史音频数据的语音标签和非语音标签,提取各所述历史音频数据的语音段,作为音频样本。
3.如权利要求2所述的呼叫中心音量识别方法,其特征在于,所述根据所述历史音频数据的语音标签和非语音标签,提取各所述历史音频数据的语音段,作为音频样本包括:
对所述历史音频数据进行分段;
对所述历史音频数据的每一分段:
计算该分段语音标签的帧数占该分段总帧数的语音比例;
判断所述语音比例是否大于预定比例;
若是,则将该分段作为语音分段;
若否,则将该分段作为非语音分段;
提取所述历史音频数据的语音分段,作为各所述历史音频数据的语音段。
4.如权利要求1所述的呼叫中心音量识别方法,其特征在于,所述计算所述音频样本的音频特征包括如下步骤中的一项或多项:
计算所述音频样本的音量均值;
计算所述音频样本的音量方差;
计算所述音频样本的音量偏度;
计算所述音频样本的音量峰度;
计算所述音频样本的音量第一四分位数。
5.如权利要求1所述的呼叫中心音量识别方法,其特征在于,所述音量识别模型为支持向量机模型,所述音量识别模型包括用于实现第一标注分类的第一多分类模型以及用于实现第二标注分类的第二多分类模型。
6.如权利要求5所述的呼叫中心音量识别方法,其特征在于,
所述第一标注分类包括音量大、音量正常、音量小,所述第一多分类模型包括两个二分类模型;
所述第二标注分类包括音量波动异常和音量波动正常,所述第二多分类模型包括一个二分类模型。
7.如权利要求1至6任一项所述的呼叫中心音量识别方法,其特征在于,所述将所述待检测音频数据的音频特征输入经训练的音量识别模型以获得所述待检测音频数据的第一标注分类以及第二标注分类之后,还包括:
根据所述待检测音频数据的第一标注分类以及第二标注分类,实时调整客服当前通话的输出音量。
8.一种呼叫中心音量识别装置,其特征在于,包括:
获取模块,用于获取多个历史音频数据以及各历史音频数据的第一标注和第二标注,所述第一标注为音量大小标注,所述第二标注为音量波动标注;
第一提取模块,用于提取各所述历史音频数据的语音段,作为音频样本;
第一计算模块,用于计算所述音频样本的音频特征;
训练模块,用于利用所述音频样本的音频特征、第一标注和第二标注训练一音量识别模型;
第二提取模块,用于提取待检测音频数据的语音段,并基于待检测音频数据的语音段计算所述待检测音频数据的音频特征;
识别模块,用于将所述待检测音频数据的音频特征输入经训练的音量识别模型以获得所述待检测音频数据的第一标注分类以及第二标注分类;
第二计算模块,用于根据所述待检测音频数据的第一标注分类以及第二标注分类计算所述呼叫中心的客服的服务质量。
9.一种电子设备,其特征在于,所述电子设备包括:
处理器;
存储介质,其上存储有计算机程序,所述计算机程序被所述处理器运行时执行如权利要求1至7任一项所述的呼叫中心音量识别方法。
10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至7任一项所述的呼叫中心音量识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110116648.5A CN112911072A (zh) | 2021-01-28 | 2021-01-28 | 呼叫中心音量识别方法、装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110116648.5A CN112911072A (zh) | 2021-01-28 | 2021-01-28 | 呼叫中心音量识别方法、装置、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112911072A true CN112911072A (zh) | 2021-06-04 |
Family
ID=76119497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110116648.5A Pending CN112911072A (zh) | 2021-01-28 | 2021-01-28 | 呼叫中心音量识别方法、装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112911072A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114666449A (zh) * | 2022-03-29 | 2022-06-24 | 深圳市银服通企业管理咨询有限公司 | 一种呼叫系统的语音数据处理方法及呼叫系统 |
CN114710592A (zh) * | 2022-04-11 | 2022-07-05 | 深圳市银服通企业管理咨询有限公司 | 一种基于人工智能的呼叫系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184315A (zh) * | 2015-08-26 | 2015-12-23 | 北京中电普华信息技术有限公司 | 一种质检处理方法及系统 |
CN107547527A (zh) * | 2017-08-18 | 2018-01-05 | 上海二三四五金融科技有限公司 | 一种语音质检金融安全控制系统及控制方法 |
CN111081279A (zh) * | 2019-12-24 | 2020-04-28 | 深圳壹账通智能科技有限公司 | 语音情绪波动分析方法及装置 |
CN111182162A (zh) * | 2019-12-26 | 2020-05-19 | 深圳壹账通智能科技有限公司 | 基于人工智能的电话质检方法、装置、设备和存储介质 |
US20200312313A1 (en) * | 2019-03-25 | 2020-10-01 | Pindrop Security, Inc. | Detection of calls from voice assistants |
CN111917924A (zh) * | 2020-07-29 | 2020-11-10 | 上海博泰悦臻电子设备制造有限公司 | 客服语音质检方法及相关设备 |
CN112235468A (zh) * | 2020-10-16 | 2021-01-15 | 绍兴市寅川软件开发有限公司 | 用于语音客服评价的音频处理方法及系统 |
-
2021
- 2021-01-28 CN CN202110116648.5A patent/CN112911072A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184315A (zh) * | 2015-08-26 | 2015-12-23 | 北京中电普华信息技术有限公司 | 一种质检处理方法及系统 |
CN107547527A (zh) * | 2017-08-18 | 2018-01-05 | 上海二三四五金融科技有限公司 | 一种语音质检金融安全控制系统及控制方法 |
US20200312313A1 (en) * | 2019-03-25 | 2020-10-01 | Pindrop Security, Inc. | Detection of calls from voice assistants |
CN111081279A (zh) * | 2019-12-24 | 2020-04-28 | 深圳壹账通智能科技有限公司 | 语音情绪波动分析方法及装置 |
CN111182162A (zh) * | 2019-12-26 | 2020-05-19 | 深圳壹账通智能科技有限公司 | 基于人工智能的电话质检方法、装置、设备和存储介质 |
CN111917924A (zh) * | 2020-07-29 | 2020-11-10 | 上海博泰悦臻电子设备制造有限公司 | 客服语音质检方法及相关设备 |
CN112235468A (zh) * | 2020-10-16 | 2021-01-15 | 绍兴市寅川软件开发有限公司 | 用于语音客服评价的音频处理方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114666449A (zh) * | 2022-03-29 | 2022-06-24 | 深圳市银服通企业管理咨询有限公司 | 一种呼叫系统的语音数据处理方法及呼叫系统 |
CN114666449B (zh) * | 2022-03-29 | 2022-12-06 | 深圳市银服通企业管理咨询有限公司 | 一种呼叫系统的语音数据处理方法及呼叫系统 |
CN114710592A (zh) * | 2022-04-11 | 2022-07-05 | 深圳市银服通企业管理咨询有限公司 | 一种基于人工智能的呼叫系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9536547B2 (en) | Speaker change detection device and speaker change detection method | |
US10957339B2 (en) | Speaker recognition method and apparatus, computer device and computer-readable medium | |
WO2021128741A1 (zh) | 语音情绪波动分析方法、装置、计算机设备及存储介质 | |
US10878823B2 (en) | Voiceprint recognition method, device, terminal apparatus and storage medium | |
US9685173B2 (en) | Method for non-intrusive acoustic parameter estimation | |
US9704413B2 (en) | Non-scorable response filters for speech scoring systems | |
US9870784B2 (en) | Method for voicemail quality detection | |
US8990082B2 (en) | Non-scorable response filters for speech scoring systems | |
US9368116B2 (en) | Speaker separation in diarization | |
CN109801646B (zh) | 一种基于融合特征的语音端点检测方法和装置 | |
CN108962231B (zh) | 一种语音分类方法、装置、服务器及存储介质 | |
US11837236B2 (en) | Speaker recognition based on signal segments weighted by quality | |
US10748544B2 (en) | Voice processing device, voice processing method, and program | |
WO2020056995A1 (zh) | 语音流利度识别方法、装置、计算机设备及可读存储介质 | |
JP2013232017A (ja) | 音声認識システムのパフォーマンスを評価および改善するための方法およびシステム | |
CN112911072A (zh) | 呼叫中心音量识别方法、装置、电子设备、存储介质 | |
US11037583B2 (en) | Detection of music segment in audio signal | |
US10586529B2 (en) | Processing of speech signal | |
CN112885379A (zh) | 客服语音评估方法、系统、设备及存储介质 | |
JP2015082036A (ja) | 音響分析フレーム信頼度計算装置と音響モデル適応装置と音声認識装置とそれらのプログラムと、音響分析フレーム信頼度計算方法 | |
CN111429919B (zh) | 基于会议实录系统的防串音方法、电子装置及存储介质 | |
CN113327596B (zh) | 语音识别模型的训练方法、语音识别方法和装置 | |
CN110910905A (zh) | 静音点检测方法及装置、存储介质、电子设备 | |
Islam et al. | Non-intrusive objective evaluation of speech quality in noisy condition | |
dos SP Soares et al. | Energy-based voice activity detection algorithm using Gaussian and Cauchy kernels |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210604 |