CN113438368B - 一种实现回铃音检测的方法、装置及计算机可读存储介质 - Google Patents
一种实现回铃音检测的方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113438368B CN113438368B CN202110690071.9A CN202110690071A CN113438368B CN 113438368 B CN113438368 B CN 113438368B CN 202110690071 A CN202110690071 A CN 202110690071A CN 113438368 B CN113438368 B CN 113438368B
- Authority
- CN
- China
- Prior art keywords
- back tone
- ring back
- tone file
- domain signal
- frequency domain
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种实现回铃音检测的方法及装置,方法包括:预录制回铃音文件样本并存入指定目录;判断外呼是否拨打成功,若未拨打成功则从通话记录表中获取回铃音文件;将所述回铃音文件转换为字节数组,并将所述字节数组分割为多个帧;将所述多个帧加窗后进行离散傅里叶变换,以将所述多个帧从时域信号转换到频域信号;将所述频域信号输入卷积神经网络和所述预录制回铃音文件样本进行拟合,若所述频域信号和所述预录制回铃音文件样本匹配则表示所述外呼反馈的通话结果为异常状态。本发明提供的实现回铃音检测的方法及装置,通过匹配品与信号和预录制回铃音文件样本来判断通话结果是否为异常状态,实现呼叫量较大情况下检测的高准确率。
Description
技术领域
本发明涉及一种检测方法及装置,尤其涉及一种实现回铃音检测的方法、装置及计算机可读存储介质。
背景技术
通常进行电话拨打时,如果未拨打成功,被叫方会反馈回铃音给主叫方,通过对回铃音进行语音分析,对其未拨打成功的原因进行细分类,以明确告知外呼平台执行后续的重呼策略。
现有技术中,通常在当日外呼任务结束之后,调用ASR(Automatic SpeechRecognition,自动语音识别)接口,将所有回铃音文件转化为文本之后将目标文字与目标库中的文本进行匹配,如果目标文字与目标库中的文本有匹配度的即被识别为通话的异常状态,该异常状态会被上报到外呼平台。但是上述方法存在实时性低、能耗大以及匹配偏差大等缺点。
因此需要一种实现回铃音检测的方法,能够解决上述问题和缺点。
发明内容
本发明所要解决的技术问题是提供一种实现回铃音检测的方法及装置,通过匹配频域信号和预录制回铃音文件样本来判断通话结果是否为异常状态,实现呼叫量较大情况下检测的高准确率。
本发明为解决上述技术问题而采用的技术方案是提供一种实现回铃音检测的方法,包括如下步骤:
预录制回铃音文件样本并存入指定目录;
判断外呼是否拨打成功,若未拨打成功则从通话记录表中获取回铃音文件;
将所述回铃音文件转换为字节数组,并将所述字节数组分割为多个帧;
将所述多个帧加窗后进行离散傅里叶变换,以将所述多个帧从时域信号转换到频域信号;
将所述频域信号输入卷积神经网络和所述预录制回铃音文件样本进行拟合,若所述频域信号和所述预录制回铃音文件样本匹配则表示所述外呼反馈的通话结果为异常状态。
优选地,所述异常状态包括多个预设的状态识别码,所述预设的状态识别码根据所述回铃音文件样本的属性进行设定,所述回铃音文件样本根据所述预设的状态识别码进行分类。
优选地,所述加窗包括海明窗函数,所述海明窗函数的加权系数使得旁瓣更小。
优选地,若所述频域信号和所述预录制回铃音文件样本匹配度低于50%,表示所述回铃音文件为个性化回铃音,则所述个性化回铃音将被加入所述预录制回铃音文件样本,以提高所述频域信号和所述预录制回铃音文件样本匹配度。
优选地,所述判断外呼是否拨打成功包括如果接通时间字段为空、结束时间字段为非空时,即为未拨打成功。
优选地,所述将所述多个帧从时域信号转换到频域信号之后,还包括判断所述频域信号是否包括连续重复的符号,若包括连续重复的符号则将所述连续重复的符号合并为同一个符号。
优选地,还包括判断所述频域信号是否包括静音分隔标记符,若包括静音分隔标记符则将所述静音分隔标记符去除。
优选地,将所述多个预设的状态识别码更新到营销记录表中,若同一个呼叫号码记录的同一个状态识别码超过预设阈值,则判断该呼叫号码营销失败,停止对该呼叫号码的外呼。
本发明为解决上述技术问题还采用的技术方案还提供一种实现回铃音检测的装置,包括存储器和处理器,所述存储器用于存储被所述处理器执行的实现回铃音检测的方法,所述实现回铃音检测的装置还包括:
预录制回铃音文件模块,其用于预录制回铃音文件样本并存入指定目录;
回铃音文件获取模块,其用于判断外呼是否拨打成功,若未拨打成功则从通话记录表中获取回铃音文件;
回铃音文件分割模块,其用于将所述回铃音文件转换为字节数组,并将所述字节数组分割为多个帧;
多个帧转换模块,其用于将所述多个帧加窗后进行离散傅里叶变换,以将所述多个帧从时域信号转换到频域信号;
拟合模块,其用于将所述频域信号输入卷积神经网络和所述预录制回铃音文件样本进行拟合,若所述频域信号和所述预录制回铃音文件样本匹则表示所述外呼反馈的通话结果为异常状态。
本发明为解决上述技术问题还采用的技术方案还提供计算机可读存储介质,所述计算机可读存储介质内存储有实现回铃音检测的方法,所述实现回铃音检测的方法可被至少一个处理器所执行,使得所述至少一个处理器执行上述所述的实现回铃音检测的方法的步骤。
本发明对比现有技术有如下的有益效果:本发明提供的回铃音检测方法及装置,通过判断外呼是否拨打成功,若未拨打成功则从通话记录表中获取回铃音文件,将回铃音文件转换为字节数组并分割为多个帧之后进行离散傅里叶变换,从而将所述多个帧从时域信号转换到频域信号,将频域信号输入卷积神经网络和预录制回铃音文件样本进行拟合,并通过匹配品与信号和预录制回铃音文件样本来判断通话结果是否为异常状态,实现呼叫量较大情况下检测的高准确率;
进一步地,所述异常状态包括多个预设的状态识别码,所述预设的状态识别码根据所述回铃音文件样本的属性进行设定,所述回铃音文件样本根据所述预设的状态识别码进行分类,从而快速的将回铃音文件进行分类;
进一步地,若所述频域信号和所述预录制回铃音文件样本匹配度低于50%,表示所述回铃音文件为个性化回铃音,则所述个性化回铃音将被加入所述预录制回铃音文件样本,以提高所述频域信号和所述预录制回铃音文件样本匹配度;
进一步地,将所述多个预设的状态识别码更新到营销记录表中,若同一个呼叫号码记录的同一个状态识别码超过预设阈值,则判断该呼叫号码营销失败,停止对该呼叫号码的外呼,以提高外呼的成功率。
附图说明
图1为本发明实施例中一种回铃音检测方法的流程图;
图2为本发明又一实施例中一种回铃音检测方法的流程图;
图3为本发明实施例中一种回铃音检测装置的模块图。
具体实施方式
下面结合附图和实施例对本发明作进一步的描述。
在以下描述中,为了提供本发明的透彻理解,阐述了很多具体的细节。然而,本发明可以在没有这些具体的细节的情况下实践,这对本领域普通该技术人员来说将是显而易见的。因此,具体的细节阐述仅仅是示例性的,具体的细节可以由奔放的精神和范围而变化并且仍被认为是在本发明的精神和范围内。
现在参看图1,图1为本发明实施例中一种回铃音检测方法的流程图。本发明实施例提供了一种回铃音检测方法的流程图,包括如下步骤:
步骤101:预录制回铃音文件样本并存入指定目录;
步骤102:判断外呼是否拨打成功,若未拨打成功则从通话记录表中获取回铃音文件;
步骤103:将所述回铃音文件转换为字节数组,并将所述字节数组分割为多个帧;
步骤104:将所述多个帧加窗后进行离散傅里叶变换,以将所述多个帧从时域信号转换到频域信号;
步骤105:将所述频域信号输入卷积神经网络和所述预录制回铃音文件样本进行拟合,若所述频域信号和所述预录制回铃音文件样本匹配则表示所述外呼反馈的通话结果为异常状态。
在具体实施中,预录制回铃音文件样本并存入指定目录,并且持续监控该指定目录,将指定目录内更新的预录制回铃音文件样本名称间隔预设时间后进入通话记录表,通常预设时间可以为30秒。
在具体实施中,所述异常状态包括多个预设的状态识别码,所述预设的状态识别码根据所述回铃音文件样本的属性进行设定,所述回铃音文件样本根据所述预设的状态识别码进行分类。
例如状态识别码可以包括,关机:1,空号:2,停机:3,用户挂机:4,呼叫限制:5,稍后再拨:6,其他:7。
具体地,关机:1的预录制回铃音文件包括:您好,您拨打的用户已关机。空号:2的预录制回铃音文件包括:您好,您拨打的号码是空号,请核对后再拨。停机:3的预录制回铃音文件包括:对不起,您拨打的电话已停机。用户挂机:4的预录制回铃音文件包括:您好,请不要挂机,您拨打的用户正在通话中。呼叫限制:5的预录制回铃音文件包括:对不起,您拨打的用户已设置呼叫限制。稍后再拨:6的预录制回铃音文件包括:您好,您拨打的用户正在通话中,请稍后再拨;还包括:对不起,您拨打的用户暂时无法接通,请稍后再拨;还包括:对不起,对方网络暂时无法接通,请稍后再拨;还包括:对不起,您拨打的电话暂时无人接听,请稍后再拨。
优选地,所述加窗包括海明窗函数,所述海明窗函数的加权系数使得旁瓣更小。
海明窗也是余弦窗的一种,又称改进的升余弦窗。海明窗与汉宁窗都是余弦窗,只是加权系数不同。海明窗加权的系数能使旁瓣达到更小。
优选地,若所述频域信号和所述预录制回铃音文件样本匹配度低于50%,表示所述回铃音文件为个性化回铃音,则所述个性化回铃音将被加入所述预录制回铃音文件样本,以提高所述频域信号和所述预录制回铃音文件样本匹配度。个性化回铃音可以包括例如通话小助手、方言回铃音等等,由于个性化回铃音和预录制回铃音文件样本差异很大,因此匹配度很低,会获得较低的置信度分数。为了提高所述频域信号和所述预录制回铃音文件样本匹配度,所述个性化回铃音将被加入所述预录制回铃音文件样本,从而达到提高准确度的目的。
优选地,所述判断外呼是否拨打成功包括如果接通时间字段为空、结束时间字段为非空时,即为未拨打成功。
在具体实施中,所述将所述多个帧从时域信号转换到频域信号之后,还包括判断所述频域信号是否包括连续重复的符号,若包括连续重复的符号则将所述连续重复的符号合并为同一个符号。还包括判断所述频域信号是否包括静音分隔标记符,若包括静音分隔标记符则将所述静音分隔标记符去除。
例如波纹中含有关机2个字的波纹信息,但是信息中心包含空的波纹片段,空格符会极大的影响判断的结果,尤其是在录音情况不稳定的状况下,空格符的量会不稳定和变大,所以在使用海明窗函数分窗加帧之后,需要转入神经网络进行判断,训练好的神经网络可以很好地覆盖不稳定情况下的状态。
优选地,将所述多个预设的状态识别码更新到营销记录表中,若同一个呼叫号码记录的同一个状态识别码超过预设阈值,则判断该呼叫号码营销失败,停止对该呼叫号码的外呼。例如预设阈值为3,即同一个呼叫号码记录的同一个状态识别码超过3次,则判断该呼叫号码营销失败,停止对该呼叫号码发起新的外呼,以提高外呼的成功率,避免浪费外呼资源。
现在参看图2,图2为本发明又一实施例中一种回铃音检测方法的流程图。预录制回铃音文件样本包括关机样本、停机样本、欠费样本等。将所述回铃音文件转换为字节数组,并将所述字节数组分割为多个帧;将所述多个帧加窗后进行离散傅里叶变换,以将所述多个帧从时域信号转换到频域信号,从而获得关机频谱、停机频谱、欠费频谱等。
在具体实施中,假设一个库里的样本的预设的状态识别码是属于1类关机的,那么命名如下:1_xxxxx。不管是男声、女声、粤语、上海话…例如1_boy.wav,1_girl.wav,1_cantonese.wav,1_shanghai.wav,通过搜索文件名里的第一个“-”,然后截取前面部分的数字,默认作为该回铃音样本的分类。在这种情况下,所有1_开头的回铃音样本文件都会被认定为1类的回铃音,即属于关机类回铃音。y1,y2,…,yn是输入的拼音串,w11,w12,w13是y1对应的候选字,w21,w22是y2对应的候选字,w31,w32,w33是y3对应的候选字,…wn1是yn对应的候选字。
现在参看图3,图3为本发明实施例中一种回铃音检测装置的模块图。本发明为解决上述技术问题还采用的技术方案是还提供一种实现回铃音检测的装置21,包括存储器211和处理器212,所述存储器211用于存储被所述处理器212执行的实现回铃音检测的方法,所述实现回铃音检测的装置21还包括:
预录制回铃音文件模块213,其用于预录制回铃音文件样本并存入指定目录;
回铃音文件获取模块214,其用于判断外呼是否拨打成功,若未拨打成功则从通话记录表中获取回铃音文件;
回铃音文件分割模块215,其用于将所述回铃音文件转换为字节数组,并将所述字节数组分割为多个帧;
多个帧转换模块216,其用于将所述多个帧加窗后进行离散傅里叶变换,以将所述多个帧从时域信号转换到频域信号;
拟合模块217,其用于将所述频域信号输入卷积神经网络和所述预录制回铃音文件样本进行拟合,若所述频域信号和所述预录制回铃音文件样本匹则表示所述外呼反馈的通话结果为异常状态。
本发明为解决上述技术问题还采用的技术方案是还提供计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有实现回铃音检测的方法,所述实现回铃音检测的方法可被至少一个处理器所执行,使得所述至少一个处理器执行上述所述的实现回铃音检测的方法的步骤。
综上,本发明提供的回铃音检测方法及装置,通过判断外呼是否拨打成功,若未拨打成功则从通话记录表中获取回铃音文件,将回铃音文件转换为字节数组并分割为多个帧之后进行离散傅里叶变换,从而将所述多个帧从时域信号转换到频域信号,将频域信号输入卷积神经网络和预录制回铃音文件样本进行拟合,并通过匹配品与信号和预录制回铃音文件样本来判断通话结果是否为异常状态,实现呼叫量较大情况下检测的高准确率;
进一步地,所述异常状态包括多个预设的状态识别码,所述预设的状态识别码根据所述回铃音文件样本的属性进行设定,所述回铃音文件样本根据所述预设的状态识别码进行分类,从而快速的将回铃音文件进行分类;
进一步地,若所述频域信号和所述预录制回铃音文件样本匹配度低于50%,表示所述回铃音文件为个性化回铃音,则所述个性化回铃音将被加入所述预录制回铃音文件样本,以提高所述频域信号和所述预录制回铃音文件样本匹配度;
进一步地,将所述多个预设的状态识别码更新到营销记录表中,若同一个呼叫号码记录的同一个状态识别码超过预设阈值,则判断该呼叫号码营销失败,停止对该呼叫号码的外呼,以提高外呼的成功率。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能是以硬件还是软件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
以上实施例仅用于以说明本发明的技术方案,而非对其进行限制。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,其依然可以对以上各实施例所记载的技术方案进行修改,或对其中部分技术特征进行等同替换,而这些修改或替换,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。
Claims (9)
1.一种实现回铃音检测的方法,其特征在于,包括如下步骤:
预录制回铃音文件样本并存入指定目录;
判断外呼是否拨打成功,若未拨打成功则从通话记录表中获取回铃音文件;
将所述回铃音文件转换为字节数组,并将所述字节数组分割为多个帧;
将所述多个帧加窗后进行离散傅里叶变换,以将所述多个帧从时域信号转换到频域信号,判断所述频域信号是否包括连续重复的符号,若包括连续重复的符号则将所述连续重复的符号合并为同一个符号;
将所述频域信号输入卷积神经网络和所述预录制回铃音文件样本进行拟合,若所述频域信号和所述预录制回铃音文件样本匹配则表示所述外呼反馈的通话结果为异常状态。
2.根据权利要求1所述的实现回铃音检测的方法,其特征在于,所述异常状态包括多个预设的状态识别码,所述预设的状态识别码根据所述回铃音文件样本的属性进行设定,所述回铃音文件样本根据所述预设的状态识别码进行分类。
3.根据权利要求1所述的实现回铃音检测的方法,其特征在于,所述加窗包括海明窗函数,所述海明窗函数的加权系数使得旁瓣更小。
4.根据权利要求1所述的实现回铃音检测的方法,其特征在于,若所述频域信号和所述预录制回铃音文件样本匹配度低于50%,表示所述回铃音文件为个性化回铃音,则所述个性化回铃音将被加入所述预录制回铃音文件样本,以提高所述频域信号和所述预录制回铃音文件样本匹配度。
5.根据权利要求1所述的实现回铃音检测的方法,其特征在于,所述判断外呼是否拨打成功包括如果接通时间字段为空、结束时间字段为非空时,即为未拨打成功。
6.根据权利要求1所述的实现回铃音检测的方法,其特征在于,还包括判断所述频域信号是否包括静音分隔标记符,若包括静音分隔标记符则将所述静音分隔标记符去除。
7.根据权利要求2所述的实现回铃音检测的方法,其特征在于,将所述多个预设的状态识别码更新到营销记录表中,若同一个呼叫号码记录的同一个状态识别码超过预设阈值,则判断该呼叫号码营销失败,停止对该呼叫号码的外呼。
8.一种实现回铃音检测的装置,包括存储器和处理器,其特征在于,所述存储器用于存储被所述处理器执行的实现回铃音检测的方法,所述实现回铃音检测的装置还包括:
预录制回铃音文件模块,其用于预录制回铃音文件样本并存入指定目录;
回铃音文件获取模块,其用于判断外呼是否拨打成功,若未拨打成功则从通话记录表中获取回铃音文件;
回铃音文件分割模块,其用于将所述回铃音文件转换为字节数组,并将所述字节数组分割为多个帧;
多个帧转换模块,其用于将所述多个帧加窗后进行离散傅里叶变换,以将所述多个帧从时域信号转换到频域信号,判断所述频域信号是否包括连续重复的符号,若包括连续重复的符号则将所述连续重复的符号合并为同一个符号;
拟合模块,其用于将所述频域信号输入卷积神经网络和所述预录制回铃音文件样本进行拟合,若所述频域信号和所述预录制回铃音文件样本匹则表示所述外呼反馈的通话结果为异常状态。
9.计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有实现回铃音检测的方法,所述实现回铃音检测的方法可被至少一个处理器所执行,使得所述至少一个处理器执行如权利要求1-7中任一项所述的实现回铃音检测的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110690071.9A CN113438368B (zh) | 2021-06-22 | 2021-06-22 | 一种实现回铃音检测的方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110690071.9A CN113438368B (zh) | 2021-06-22 | 2021-06-22 | 一种实现回铃音检测的方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113438368A CN113438368A (zh) | 2021-09-24 |
CN113438368B true CN113438368B (zh) | 2023-01-24 |
Family
ID=77757054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110690071.9A Active CN113438368B (zh) | 2021-06-22 | 2021-06-22 | 一种实现回铃音检测的方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113438368B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109599126A (zh) * | 2018-12-29 | 2019-04-09 | 广州丰石科技有限公司 | 一种基于mel能量谱和卷积神经网络的声音故障识别方法 |
CN111326178A (zh) * | 2020-02-27 | 2020-06-23 | 长沙理工大学 | 基于卷积神经网络的多模态语音情感识别系统及方法 |
CN112581979A (zh) * | 2020-12-10 | 2021-03-30 | 重庆邮电大学 | 一种基于语谱图的语音情绪识别方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050075496A (ko) * | 2004-01-15 | 2005-07-21 | 주식회사 팬택 | 무선통신단말기에서 호 연결 실패 원인에 따른 재다이얼방법 |
CN105979106B (zh) * | 2016-06-13 | 2019-06-18 | 北京容联易通信息技术有限公司 | 一种呼叫中心系统的铃音识别方法和系统 |
CN110705218B (zh) * | 2019-10-11 | 2023-04-07 | 浙江百应科技有限公司 | 一种基于深度学习的外呼状态识别方式 |
CN112261230B (zh) * | 2020-10-23 | 2021-06-11 | 上海中通吉网络技术有限公司 | 快递电话接听率考核方法、装置、设备、系统及存储介质 |
CN112530436A (zh) * | 2020-11-05 | 2021-03-19 | 联通(广东)产业互联网有限公司 | 通信话务状态的识别方法、系统、装置及存储介质 |
CN112562654B (zh) * | 2020-12-02 | 2022-11-11 | 天津车之家数据信息技术有限公司 | 一种音频分类方法及计算设备 |
-
2021
- 2021-06-22 CN CN202110690071.9A patent/CN113438368B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109599126A (zh) * | 2018-12-29 | 2019-04-09 | 广州丰石科技有限公司 | 一种基于mel能量谱和卷积神经网络的声音故障识别方法 |
CN111326178A (zh) * | 2020-02-27 | 2020-06-23 | 长沙理工大学 | 基于卷积神经网络的多模态语音情感识别系统及方法 |
CN112581979A (zh) * | 2020-12-10 | 2021-03-30 | 重庆邮电大学 | 一种基于语谱图的语音情绪识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113438368A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2523443B1 (en) | A mass-scale, user-independent, device-independent, voice message to text conversion system | |
US7606714B2 (en) | Natural language classification within an automated response system | |
US20200111479A1 (en) | System and method for speech personalization by need | |
CN111105782B (zh) | 会话交互处理方法、装置、计算机设备和存储介质 | |
US20060217978A1 (en) | System and method for handling information in a voice recognition automated conversation | |
CN109873907B (zh) | 呼叫处理方法、装置、计算机设备及存储介质 | |
CN111312219A (zh) | 电话录音标注方法、系统、存储介质和电子设备 | |
CN111508527B (zh) | 一种电话应答状态检测方法、装置及服务器 | |
CN108399913B (zh) | 高鲁棒性音频指纹识别方法及系统 | |
WO2022206719A1 (zh) | 基于FreeSWITCH与ASR的外呼失败结果检测方法 | |
EP1466319A1 (en) | Network-accessible speaker-dependent voice models of multiple persons | |
CN116631412A (zh) | 一种通过声纹匹配判断语音机器人的方法 | |
CN110931016A (zh) | 一种离线质检用语音识别方法及系统 | |
WO2022073507A1 (zh) | 电话未接通类型的区分方法、装置、电子设备及存储介质 | |
CN112087726B (zh) | 彩铃识别的方法及系统、电子设备及存储介质 | |
CN113438368B (zh) | 一种实现回铃音检测的方法、装置及计算机可读存储介质 | |
CN110933236B (zh) | 一种基于机器学习的空号识别方法 | |
EP2913822A1 (en) | Speaker recognition method | |
JP7304627B2 (ja) | 留守番電話判定装置、方法及びプログラム | |
CN115083412B (zh) | 语音交互方法及相关装置、电子设备、存储介质 | |
CN110602334A (zh) | 一种基于人机协同的智能外呼方法及系统 | |
CN114155845A (zh) | 服务确定方法、装置、电子设备及存储介质 | |
CN108877768B (zh) | 座机提示音识别方法、装置及计算机设备 | |
CN111951783B (zh) | 一种基于音素滤波的说话人识别方法 | |
RU2792405C2 (ru) | Способ эмуляции голосового бота при обработке голосового вызова (варианты) |
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 |