CN114049895B - 一种基于asr的语音质检分析方法及系统 - Google Patents

Abstract

本发明提供了一种基于ASR的语音质检分析方法及系统，所述方法包括：根据第一语音质检规则和第一质检评分规则，构建第一语音质检初始模型；根据第一任务列表，对第一语音质检初始模型进行配置，获得第一语音质检工作模型；通过ASR语音识别模块，将第一待质检语音信息转换为第一待质检语音文本信息；将第一待质检语音文本信息输入第一语音质检工作模型，获得第一质检结果，其中，第一质检结果包括第一质检评分；通过第一复核指令，对第一质检评分进行人工复核，获得第二质检评分；根据第二质检评分，生成第一质检报表。解决了现有技术中的智能质检技术由于只能适用于特定的场景，存在通用性较弱的技术问题。

Description

一种基于ASR的语音质检分析方法及系统

技术领域

本发明涉及语音识别相关技术领域，具体涉及一种基于ASR的语音质检分析方法及系统。

背景技术

随着互联网的发展，各企业的客户服务的量级剧增，企业对服务质量的要求愈发注重，客户服务的质检需求量加大，传统的质检方案已经无法满足市场的需求，随着人工智能的发展，智能质检方案应运而生，当前智能质检的市场占有率不足20%。

目前的语音质检主流仍是人工抽检的方式，此种方式抽检样本量少时，准确度不够，样本量大时，工作量繁重，且效率较低导致滞后性严重；占据少量市场的是智能质检，当下实施的智能质检技术主要是利用计算机强大而计算能力全面覆盖语音进行质检，但是一般仅适用于特定的场景，通用性较弱。

但本申请在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中的智能质检技术由于只能适用于特定的场景，存在通用性较弱的技术问题。

发明内容

本申请实施例通过提供了一种基于ASR的语音质检分析方法及系统，解决了现有技术中的智能质检技术由于只能适用于特定的场景，存在通用性较弱的技术问题。通过依据工作场景自定义质检规则及评分规则，构建质检初始模型，进而再结合任务列表对初始模型进行配置，得到质检工作模型。利用ASR语音识别模块将语音转化为文本信息，质检工作模型分析文本信息，得到评分结果，再通过人工复核对评分结果内容进行删增，得到最终的评分结果，依据最终评分结果生成可视化的报告。可自定义的质检规则与评分规则，以及依据任务列表对模型配置，增加了模型的适用性；而人工复核增加了模型的容错率，提高了准确度。达到了得到通用性较强的智能语音质检方案的技术效果。

鉴于上述问题，本申请实施例提供了一种基于ASR的语音质检分析方法及系统。

第一方面，本申请实施例提供了一种基于ASR的语音质检分析方法，其中，所述方法应用于一语音质检系统，所述系统包括一ASR语音识别模块，所述方法包括：根据第一语音质检规则和第一质检评分规则，构建第一语音质检初始模型；根据第一任务列表，对所述第一语音质检初始模型进行配置，获得第一语音质检工作模型；通过所述ASR语音识别模块，将第一待质检语音信息转换为第一待质检语音文本信息；将所述第一待质检语音文本信息输入所述第一语音质检工作模型，获得第一质检结果，其中，所述第一质检结果包括第一质检评分；通过第一复核指令，对所述第一质检评分进行人工复核，获得第二质检评分；根据所述第二质检评分，生成第一质检报表。

另一方面，本申请实施例提供了一种基于ASR的语音质检分析系统，其中，所述系统包括：第一构建单元，所述第一构建单元用于根据第一语音质检规则和第一质检评分规则，构建第一语音质检初始模型；第二获得单元，所述第二获得单元用于根据第一任务列表，对所述第一语音质检初始模型进行配置，获得第一语音质检工作模型；第一转化单元，所述第一转化单元用于通过所述ASR语音识别模块，将第一待质检语音信息转换为第一待质检语音文本信息；第三获得单元，所述第三获得单元用于将所述第一待质检语音文本信息输入所述第一语音质检工作模型，获得第一质检结果，其中，所述第一质检结果包括第一质检评分；第四获得单元，所述第四获得单元用于通过第一复核指令，对所述第一质检评分进行人工复核，获得第二质检评分；第一生成单元，所述第一生成单元用于根据所述第二质检评分，生成第一质检报表。

第三方面，本申请实施例提供了一种基于ASR的语音质检分析系统，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，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了根据第一语音质检规则和第一质检评分规则，构建第一语音质检初始模型；根据第一任务列表，对所述第一语音质检初始模型进行配置，获得第一语音质检工作模型；通过所述ASR语音识别模块，将第一待质检语音信息转换为第一待质检语音文本信息；将所述第一待质检语音文本信息输入所述第一语音质检工作模型，获得第一质检结果，其中，所述第一质检结果包括第一质检评分；通过第一复核指令，对所述第一质检评分进行人工复核，获得第二质检评分；根据所述第二质检评分，生成第一质检报表的技术方案，通过依据工作场景自定义质检规则及评分规则，构建质检初始模型，进而再结合任务列表对初始模型进行配置，得到质检工作模型。利用ASR语音识别模块将语音转化为文本信息，质检工作模型分析文本信息，得到评分结果，再通过人工复核对评分结果内容进行删增，得到最终的评分结果，依据最终评分结果生成可视化的报告。可自定义的质检规则与评分规则，以及依据任务列表对模型配置，增加了模型的适用性；而人工复核增加了模型的容错率，提高了准确度。达到了得到通用性较强的智能语音质检方案的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例提供了一种基于ASR的语音质检分析方法流程示意图；

图2为本申请实施例提供了第一语音质检工作模型构建的方法流程示意图；

图3为本申请实施例提供了一种基于ASR的语音质检分析系统结构示意图；

图4为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一构建单元11，第一获得单元12，第一转化单元13，第二获得单元14，第三获得单元15，第一生成单元16，电子设备300，存储器301，处理器302，通信接口303，总线架构304。

具体实施方式

本申请实施例通过提供了一种基于ASR的语音质检分析方法及系统，解决了现有技术中的智能质检技术由于只能适用于特定的场景，存在通用性较弱的技术问题。通过依据工作场景自定义质检规则及评分规则，构建质检初始模型，进而再结合任务列表对初始模型进行配置，得到质检工作模型。利用ASR语音识别模块将语音转化为文本信息，质检工作模型分析文本信息，得到评分结果，再通过人工复核对评分结果内容进行删增，得到最终的评分结果，依据最终评分结果生成可视化的报告。可自定义的质检规则与评分规则，以及依据任务列表对模型配置，增加了模型的适用性；而人工复核增加了模型的容错率，提高了准确度。达到了得到通用性较强的智能语音质检方案的技术效果。

申请概述

随着互联网的发展，各企业的客户服务的量级剧增，企业对服务质量的要求愈发注重，客户服务的质检需求量加大，传统的质检方案已经无法满足市场的需求，随着人工智能的发展，智能质检方案应运而生，当前智能质检的市场占有率不足20%。

目前的语音质检主流仍是人工抽检的方式，此种方式抽检样本量少时，准确度不够，样本量大时，工作量繁重，且效率较低导致滞后性严重；占据少量市场的是智能质检，当下实施的智能质检技术主要是利用计算机强大而计算能力全面覆盖语音进行质检，但是一般仅适用于特定的场景，通用性较弱，但现有技术中的智能质检技术由于只能适用于特定的场景，存在通用性较弱的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例提供了一种基于ASR的语音质检分析方法，其中，所述方法应用于一语音质检系统，所述系统包括一ASR语音识别模块，所述方法包括：根据第一语音质检规则和第一质检评分规则，构建第一语音质检初始模型；根据第一任务列表，对所述第一语音质检初始模型进行配置，获得第一语音质检工作模型；通过所述ASR语音识别模块，将第一待质检语音信息转换为第一待质检语音文本信息；将所述第一待质检语音文本信息输入所述第一语音质检工作模型，获得第一质检结果，其中，所述第一质检结果包括第一质检评分；通过第一复核指令，对所述第一质检评分进行人工复核，获得第二质检评分；根据所述第二质检评分，生成第一质检报表。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种基于ASR的语音质检分析方法，其中，所述方法应用于一语音质检系统，所述系统包括一ASR语音识别模块，所述方法包括：

S100：根据第一语音质检规则和第一质检评分规则，构建第一语音质检初始模型；

具体而言，所述第一语音质检规则指的是用来构建智能质检模型的自定义质检规则，所述第一语音质检规则内容包括但不限于：质检规则名称、为对应质检规则名称增加正则表达式、为对应质检规则赋予规则评分、返回被命中质检规则的标签。通过自定义的所述第一语音质检规则内容可以对坐席/客户的语速、音量、静音、抢话等情况自定义配置规则；所述第一质检评分规则指的是为不同的所述第一语音质检规则赋予分值以及对应质检规则命中时的加扣分机制，构建评分机制的自定义规则。所述第一质检评分规则可为不同的所述第一语音质检规则赋予分值，并依据命中结果计算总评分。所述第一语音质检初始模型指的是所述语音质检系统的开发端依据用户端提供的基本数据依据自定义的所述第一语音质检规则和所述第一质检评分规则构建的质检原始模型。通过可针对用户端自定义的质检规则，提高了智能质检的适用性及个体化程度。

S200：根据第一任务列表，对所述第一语音质检初始模型进行配置，获得第一语音质检工作模型；

具体而言，当所述语音质检系统的开发端将所述第一语音质检初始模型构建完成且测试达到预设的稳定性的时候，将所述第一语音质检初始模型发送给所述语音质检系统的用户端。所述第一任务列表指的是在所述语音质检系统的用户端使用时，需要处理的任务列表信息；所述第一语音质检工作模型指的是在每次使用时通过输入所述第一任务列表对所述第一语音质检初始模型进行任务的分配配置，并相应的将配置的任务和对应的实现功能的模块进行联立，便于调用，配置完成后得到的用于工作的智能质检模型。用户通过依据所述第一任务列表对所述第一语音初始模型进行自定义配置，得到更加适用于用户的工作模型，提高了通用性。

S300：通过所述ASR语音识别模块，将第一待质检语音信息转换为第一待质检语音文本信息；

具体而言，所述第一待质检语音信息指的是需要进行之间的语音信息；所述第一待质检语音文本信息指的是将所述第一待质检语音信息进行转换成文本信息，再优选的通过NLP自然语言处理方式对文本信息进行中文切词，文本标注等处理得到计算机可以识别的结构化的文本信息；包括客服的语音文本信息和客户的文本信息；所述ASR语音识别模块指的是可以一种将人的语音转换为文本的技术，由于所述语音识别模块需要进行转换的语音文本一般只涉及两个人、使用场景待识别的词汇表类型不多、复杂度较低。因此所述ASR语音识别模块可以较高效和准确的将所述第一待质检语音信息转化为所述第一待质检语音文本信息。

S400：将所述第一待质检语音文本信息输入所述第一语音质检工作模型，获得第一质检结果，其中，所述第一质检结果包括第一质检评分；

具体而言，所述第一质检结果指的是当所述第一待质检语音文本信息完成转换后且达到所述第一任务列表中的质检时间节点时，将所述第一待质检语音文本信息输入所述第一语音质检工作模型得到的质检结果；进一步的，所述第一质检评分指的是所述第一质检结果中记录的每一通语音通过所述第一语音质检工作模型质检后的打分结果。通过所述第一质检评分可以了解每一通语音命中的质检规则及加扣分情况，进而可以分析对应客服人员需要进行改进和继续保持的规则，提高客服质量。

S500：通过第一复核指令，对所述第一质检评分进行人工复核，获得第二质检评分；

进一步的，基于所述通过第一复核指令，对所述第一质检评分进行人工复核，获得第二质检评分，步骤S500包括：

S510：根据第一人工复核结果，获得第一修改指令，其中，所述第一修改指令包括第一删除指令和第一添加指令；

S520：通过所述第一删除指令和所述第一添加指令对所述第一质检评分进行修改，获得所述第二质检评分。

具体而言，所述第一复核指令指的是当所述第一质检评分得到后即向相关的复核人员发送的可视化信息，复核人员通过比对每一通语音内容和命中规则是否匹配，是否有遗漏的命中规则，是否需要增加自定义的命中规则；所述第一复核结果指的是复核人员通过复核得到结，所述语音质检系统在接受到所述第一复核结果信息后，可以确认每一通语音信息中的所有所述第一待质检语音文本信息的命中规则是否需要修改：当确认不需要修改时，保持该命中规则的所述第一质检评分；当确认需要修改时，识别修改信息，若是需要删除判断为错误的规则，则依据所述第一删除指令将错误命中规则对应的评分删除，并向所述第一语音质检工作模型反馈错误的信息，训练所述第一语音质检工作模型，提高质检准确性。若是需要添加遗漏的命中规则，则可以依据所述第一添加指令在需添加命中规则的语音信息后添加对应的命中规则，并将命中规则对应的评分添加进所述第一质检评分中。当遍历完所有的所述第一待质检语音文本信息后，将最后的评分作为所述第二评分，作为最终评分。通过人工复核可以提高质检结果的容错率，且可以依据反馈信息对所述第一语音质检工作模型进行训练，提高其后步语音质检的智能性及准确性。

S600：根据所述第二质检评分，生成第一质检报表。

具体而言，所述第一质检报表指的是依据所述第二质检评分的内容信息生成的可视化报表信息。所述第一质检报表的内容包括但不限于：可通过所述第一质检报表检索包含某些关键词的录音；可针对高频词进行聚类分析，生成热词报表；对质检问题进行多维度统计，生成质检标签报表；以坐席维度统计问题录音数量，生成坐席的质检报表等报表信息。通过智能质检可以将质检标准规范化及提高质检效率；无缝覆盖每一通客服电话，100％全量质检，有效避免取样的方式以偏看全；依赖所述第一质检报表可以归纳和总结所有客服人员的主要问题所在及单个客服人员的主要问题所在并针对纠正，提高了客服质量。

进一步的，所述方法步骤S100包括步骤S110：

S111：根据第一用户，获得第一人工语音质检规则；

S112：将所述第一人工语音质检规则转化为第一文本匹配规则集，其中，所述第一文本匹配规则集包括第一词语规则、第一短语规则；

S113：通过所述第一词语规则、所述第一短语规则，生成所述第一语音质检规则。

具体而言，所述第一用户指的是所述语音质检系统的用户端，可以为企业、个人、组织等客体；所述第一人工语音质检规则指的是所述第一用户依赖传统形式进行人工语音质检的各项标准；所述第一文本匹配规则集指的是依据文字的词性，词义匹配得到不同的预设匹配规则集合；所述第一词语规则、所述第一短语规则都属于所述第一文本匹配规则集，为预设的词语规则，短语规则，脚本规则；进一步的，依据所述第一文本匹配规则集组成所述第一语音质检规则，质检时的工作过程举一例：在进行质检时，将所述第一待质检语音文本信息中目标词，如关键词、敏感词、禁忌词等，依据所述第一文本匹配规则集组合成规则表达式，依据规则表达式可以检测话术逻辑、服务流程等话术相关的内容。将规则表达式和所述第一词语规则、所述第一短语规则自动进行匹配，只有当规则表达式至少匹配上一个词语且至少匹配上一个短语时，表示该规则表达式命中质检规则和匹配成功；否则表示未命中和匹配失败。通过依据所述第一用户的信息自定义所述第一语音质检规则，提高了所述语音质检系统的适用性。

进一步的，所述方法步骤S100包括步骤S120：

S121：获得第一数据集，其中，所述第一数据集为所述语音质检系统处理过的历史数据集，包括第一录音文本数据集和第一客户反馈信息集；

S122：根据所述第一录音文本数据集和所述第一客户反馈信息集，获得第一数据量；

S123：获得第一预设数据量，判断所述第一数据量是否小于所述第一预设数据量；

S124：若所述第一数据量小于所述第一预设数据量，获得第一用户的第一人工质检评分规则；

S125：根据所述第一人工质检评分规则，获得所述第一质检评分规则。

具体而言，所述第一数据集指的是所述语音质检系统在所述第一用户端质检过的语音数据集合；所述第一录音文本数据集指的是已经经由所述语音质检系统质检过的客服人员工作时的录音文本数据；所述第一客户反馈信息集指的是所述第一用户服务的客户对客服人工工作情况的反馈信息；所述第一数据量指的是所述第一录音文本数据集和所述第一客户反馈信息集综合计算得到数据量；所述第一预设数据量指的是预设的判断是否需要人为设定所述第一质检评分规则的最低数据量；当所述第一数据量小于所述第一预设数据量，则表明数据不足，还不能对智能自主归纳评分规则进行充分的训练和完善，需要人为设定所述第一质检评分规则，则读取所述第一人工质检评分规则，所述第一语音质检工作模型依据所述第一人工质检评分规则对所述第一待质检语音文本信息进行评分。当数据量不足时，还不能对智能自主归纳评分规则进行充分的训练和完善，则通过所述第一人工质检评分规则进行评分，避免因为数据量不充足而造成质检结果的不准确。

更进一步的，所述方法步骤S124包括：

S1241：若所述第一数据量不小于所述第一预设数据量，则获得第一质检规则自动生成指令；

S1242：依据所述第一质检规则自动生成指令对所述第一录音文本数据集进行预处理，获得第二录音文本信息，其中，所述第二录音文本信息包括第一客户录音文本和第一客服录音文本；

S1243：通过第一编码指令对所述第一客户录音文本和所述第一客服录音文本进行编码，获得第一编码结果；

S1244：根据所述第二录音文本信息的业务类型，生成第一分类标签；

S1245：根据所述第一分类标签对所述第一编码结果进行标识，生成所述第一质检评分规则。

具体而言，当所述第一数据量不小于所述第一预设数据量，则表明数据量充足，可以对智能自主归纳评分规则进行充分的训练和完善，进而生成所述第一质检评分规则。生成过程如下：所述第一质检规则自动生成指令指的是当所述第一数据量不小于所述第一预设数据量时生成控制信号；所述第二录音文本信息指的是在所述语音质检系统接收到所述第一质检规则自动生成指令后，对所述第一录音文本数据集进行预处理得到结果，预处理方式举不设限制的一例：通过则表达式等数据清洗方法去除一些特殊符号、语气助词、停用词等对算法用处不大的词，起到降低计算量、提高准确度的作用；进一步的，将所述第二录音文本信息分为所述第一客户录音文本和所述第一客服录音文本；更进一步的，所述第一编码指令指的是在得到所述第二录音文本信息后发出的控制信号；所述第一编码结果指的是在接收到所述第一编码指令后，对所述第一客户录音文本和所述第一客服录音文本进行编码得到的结果，其中，所述第一编码结果为计算机可以识别并计算的表征所述第一客户录音文本和所述第一客服录音文本信息的数据；所述第一分类标签指的是依据所述第二录音文本信息的业务类型选择不同的评分类别标签信息；根据所述第一分类标签对所述第一编码结果进行标识，则可以表征不同的所述第一客户录音文本和所述第一客服录音文本信息对应的不同类型的评分类别，当命中对应的质检规则时即可调用对应的评分类别进行打分，由此自动生成所述第一质检评分规则。通过自动生成的所述第一质检评分规则是基于大量数据的基础上得到结果，具有代表性和准确性。

进一步的，基于所述根据第一语音质检规则和第一质检评分规则，构建第一语音质检初始模型，步骤S100包括步骤S130：

S131：将所述第一语音质检规则和所述第一质检评分规则进行匹配，获得第一匹配结果；

S132：通过所述第一质检评分规则，获得第一质检分值，其中，所述第一质检分值和所述第一分类标签一一对应；

S133：通过所述第一质检分值，基于所述第一匹配结果为所述第一语音质检规则赋予分值，获得第一打分标准；

S134：根据所述第一打分标准，生成所述第一语音质检初始模型。

具体而言，所述第一匹配结果指的是将所述第一语音质检规则和所述第一质检评分规则进行匹配得到结果，因为不同的关键词、短语或者脚本对应于不同的质检规则，也对应于不同评分标准，基于此可以将所述第一语音质检规则和所述第一质检评分规则匹配；所述第一质检分值指的是将所述第一质检评分规则中对应于不同的所述第一分类标签对应的分值信息提取出来的结果；所述第一打分标准指的是提取出所述第一分类标签对应于所述第一语音质检规则中的不同质检规则，再将所述第一质检分值为对应的质检规则赋予分值的结果。赋予方式举不设限制的一例：所述语音质检系统默认基础分为100分，我们对某段客服对话进行打分操作时，需要在100分的基础上进行加减操作。例如某段对话命中“坏语气”的所述第一语音质检规则，该规则系统设置为-5分，同时还命中“语速合适”的所述第一语音质检规则，该规则系统设置为1分，在无其他命中规则的前提下，该对话总体得分为SUM=100+（-5）+（1）=96。此分值的赋予是可以由所述第一用户依据自身不同的业务类型进行自定义；进一步的，依据所述第一打分标准，生成所述第一语音质检初始模型。通过将所述第一语音质检规则和所述第一质检评分规则进行匹配，并为所述第一语音质检规则赋予分值，构建可自定义的打分体系，达到了提高适用范围的技术效果。

进一步的，如图2所示，基于所述根据第一任务列表，对所述第一语音质检初始模型进行配置，获得第一语音质检工作模型，步骤S200包括：

S210：根据所述第一任务列表，获得第一任务分配信息，其中，所述第一任务分配信息包括第一质检时间信息和第一质检分类信息；

S220：通过所述第一质检时间信息，获得第一配置信息；

S230：通过所述第一质检分类信息，获得第二配置信息；

S240：通过第一配置信息和所述第二配置信息，配置所述第一语音质检初始模型，生成所述第一语音质检工作模型。

具体而言，所述第一任务列表指的是所述第一用户待完成质检的任务列表信息，所述第一任务列表中的任务都具有多个标签，包括但不限于：待完成每个任务的时间节点信息、待完成每个任务的数据量信息、待完成每个任务的质检分类信息等；所述第一任务分配列表指的是依据所述第一任务列表的中标签信息将所述第一任务列表中的任务进行分配得到的结果，主要分为所述第一质检时间信息和所述第一质检分类信息；所述第一配置信息指的是依据所述第一质检时间信息为不同任务在所述第一语音质检初始模型配置质检时间节点，配置方式举不设限制的一例如：依据待完成每个任务的时间节点信息分配，分为定时执行、立即执行两个类型，立即执行的依据时间节点优选的按照正序的顺序进行质检；定时执行的在达到预设的定时后，依据时间节点优选的按照正序的顺序进行质检；所述第二配置信息指的是依据所述第一质检分类信息得到不同的任务属于的不同业务类型在所述第一语音质检初始模型配置响应待调用工作模块，提高质检效率。当所述第一配置信息和所述第二配置信息配置完成后，得到所述第一语音质检工作模型。通过所述第一语音质检工作模型可以高效的进行智能语音质检。

综上所述，本申请实施例所提供的一种基于ASR的语音质检分析方法及系统具有如下技术效果：

1.通过依据工作场景自定义质检规则及评分规则，构建质检初始模型，进而再结合任务列表对初始模型进行配置，得到质检工作模型。利用ASR语音识别模块将语音转化为文本信息，质检工作模型分析文本信息，得到评分结果，再通过人工复核对评分结果内容进行删增，得到最终的评分结果，依据最终评分结果生成可视化的报告。可自定义的质检规则与评分规则，以及依据任务列表对模型配置，增加了模型的适用性；而人工复核增加了模型的容错率，提高了准确度。达到了得到通用性较强的智能语音质检方案的技术效果。

2.通过所述第一语音质检规则统一不同质检员之间的考核标准，减少人为判断，不受主观影响，做到客观公正，同时也节约了人力成本；通过所述第一语音质检工作模型的智能质检解决质检员自身业务能力的局限，提升质检员考核效果，排除外界因素对质检流程的质检的不规范；通过智能质检可以解决质检资源的限制，无缝覆盖每一通客服电话，100％全量质检，有效避免取样的方式以偏看全；由于质检效率较高，可以解决传统客服质检的滞后性，及时对客服通话进行监控，及时发现、预警，使主管人员及时发现并解决问题。

实施例二

基于与前述实施例中一种基于ASR的语音质检分析方法相同的发明构思，如图3所示，本申请实施例提供了一种基于ASR的语音质检分析系统，其中，所述系统包括：

第一构建单元11，所述第一构建单元11用于根据第一语音质检规则和第一质检评分规则，构建第一语音质检初始模型；

第一获得单元12，所述第一获得单元12用于根据第一任务列表，对所述第一语音质检初始模型进行配置，获得第一语音质检工作模型；

第一转化单元13，所述第一转化单元13用于通过ASR语音识别模块，将第一待质检语音信息转换为第一待质检语音文本信息；

第二获得单元14，所述第二获得单元14用于将所述第一待质检语音文本信息输入所述第一语音质检工作模型，获得第一质检结果，其中，所述第一质检结果包括第一质检评分；

第三获得单元15，所述第三获得单元15用于通过第一复核指令，对所述第一质检评分进行人工复核，获得第二质检评分；

第一生成单元16，所述第一生成单元16用于根据所述第二质检评分，生成第一质检报表。

进一步的，所述系统还包括：

第四获得单元，所述第四获得单元用于根据第一用户，获得第一人工语音质检规则；

第二转化单元，所述第二转化单元用于将所述第一人工语音质检规则转化为第一文本匹配规则集，其中，所述第一文本匹配规则集包括第一词语规则、第一短语规则；

第二生成单元，所述第二生成单元用于通过所述第一词语规则、所述第一短语规则，生成所述第一语音质检规则。

进一步的，所述系统还包括：

第五获得单元，所述第五获得单元用于获得第一数据集，其中，所述第一数据集为所述语音质检系统处理过的历史数据集，包括第一录音文本数据集和第一客户反馈信息集；

第六获得单元，所述第六获得单元用于根据所述第一录音文本数据集和所述第一客户反馈信息集，获得第一数据量；

第七获得单元，所述第七获得单元用于获得第一预设数据量，判断所述第一数据量是否小于所述第一预设数据量；

第八获得单元，所述第八获得单元用于若所述第一数据量小于所述第一预设数据量，获得第一用户的第一人工质检评分规则；

第九获得单元，所述第九获得单元用于根据所述第一人工质检评分规则，获得所述第一质检评分规则。

进一步的，所述系统还包括：

第十获得单元，所述第十获得单元用于若所述第一数据量不小于所述第一预设数据量，则获得第一质检规则自动生成指令；

第十一获得单元，所述第十一获得单元用于依据所述第一质检规则自动生成指令对所述第一录音文本数据集进行预处理，获得第二录音文本信息，其中，所述第二录音文本信息包括第一客户录音文本和第一客服录音文本；

第十二获得单元，所述第十二获得单元用于通过第一编码指令对所述第一客户录音文本和所述第一客服录音文本进行编码，获得第一编码结果；

第三生成单元，所述第三生成单元用于根据所述第二录音文本信息的业务类型，生成第一分类标签；

第四生成单元，所述第四生成单元用于根据所述第一分类标签对所述第一编码结果进行标识，生成所述第一质检评分规则。

进一步的，所述系统还包括：

第十三获得单元，所述第十三获得单元用于将所述第一语音质检规则和所述第一质检评分规则进行匹配，获得第一匹配结果；

第十四获得单元，所述第十四获得单元用于通过所述第一质检评分规则，获得第一质检分值，其中，所述第一质检分值和所述第一分类标签一一对应；

第十五获得单元，所述第十五获得单元用于通过所述第一质检分值，基于所述第一匹配结果为所述第一语音质检规则赋予分值，获得第一打分标准；

第五生成单元，所述第五生成单元用于根据所述第一打分标准，生成所述第一语音质检初始模型。

进一步的，所述系统还包括：

第十六获得单元，所述第十六获得单元用于根据所述第一任务列表，获得第一任务分配信息，其中，所述第一任务分配信息包括第一质检时间信息和第一质检分类信息；

第十七获得单元，所述第十七获得单元用于通过所述第一质检时间信息，获得第一配置信息；

第十八获得单元，所述第十八获得单元用于通过所述第一质检分类信息，获得第二配置信息；

第一配置单元，所述第一配置单元用于通过第一配置信息和所述第二配置信息，配置所述第一语音质检初始模型，生成所述第一语音质检工作模型。

进一步的，所述系统还包括：

第十九获得单元，所述第十九获得单元用于根据第一人工复核结果，获得第一修改指令，其中，所述第一修改指令包括第一删除指令和第一添加指令；

第二十获得单元，所述第二十获得单元用于通过所述第一删除指令和所述第一添加指令对所述第一质检评分进行修改，获得所述第二质检评分。

示例性电子设备

下面参考图4来描述本申请实施例的电子设备，

基于与前述实施例中一种基于ASR的语音质检分析方法相同的发明构思，本申请实施例还提供了一种基于ASR的语音质检分析系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行第一方面任一项所述的方法。

该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。

通信接口303，使用任何收发器一类的系统，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless local areanetworks，WLAN)，有线接入网等。

存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdisc

read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。

其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种基于ASR的语音质检分析方法。

可选的，本申请实施例中的计算机执行指令也可以称之为应用程序代码，本申请实施例对此不作具体限定。

本申请实施例提供了一种基于ASR的语音质检分析方法，其中，所述方法应用于一语音质检系统，所述系统包括一ASR语音识别模块，所述方法包括：根据第一语音质检规则和第一质检评分规则，构建第一语音质检初始模型；根据第一任务列表，对所述第一语音质检初始模型进行配置，获得第一语音质检工作模型；通过所述ASR语音识别模块，将第一待质检语音信息转换为第一待质检语音文本信息；将所述第一待质检语音文本信息输入所述第一语音质检工作模型，获得第一质检结果，其中，所述第一质检结果包括第一质检评分；通过第一复核指令，对所述第一质检评分进行人工复核，获得第二质检评分；根据所述第二质检评分，生成第一质检报表。通过依据工作场景自定义质检规则及评分规则，构建质检初始模型，进而再结合任务列表对初始模型进行配置，得到质检工作模型。利用ASR语音识别模块将语音转化为文本信息，质检工作模型分析文本信息，得到评分结果，再通过人工复核对评分结果内容进行删增，得到最终的评分结果，依据最终评分结果生成可视化的报告。可自定义的质检规则与评分规则，以及依据任务列表对模型配置，增加了模型的适用性；而人工复核增加了模型的容错率，提高了准确度。达到了得到通用性较强的智能语音质检方案的技术效果。

本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a ,b,或c中的至少一项(个、种)，可以表示：a ,b,c,a -b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。

本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑系统，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。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。

尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (8)

1.一种基于ASR的语音质检分析方法，其中，所述方法应用于一语音质检系统，所述系统包括一ASR语音识别模块，所述方法包括：

根据第一语音质检规则和第一质检评分规则，构建第一语音质检初始模型；

根据第一任务列表，对所述第一语音质检初始模型进行配置，获得第一语音质检工作模型；

通过所述ASR语音识别模块，将第一待质检语音信息转换为第一待质检语音文本信息；

将所述第一待质检语音文本信息输入所述第一语音质检工作模型，获得第一质检结果，其中，所述第一质检结果包括第一质检评分；

通过第一复核指令，对所述第一质检评分进行人工复核，获得第二质检评分；

根据所述第二质检评分，生成第一质检报表；

所述方法包括：

获得第一数据集，其中，所述第一数据集为所述语音质检系统处理过的历史数据集，包括第一录音文本数据集和第一客户反馈信息集；

根据所述第一录音文本数据集和所述第一客户反馈信息集，获得第一数据量；

获得第一预设数据量，判断所述第一数据量是否小于所述第一预设数据量；

若所述第一数据量小于所述第一预设数据量，获得第一用户的第一人工质检评分规则；

根据所述第一人工质检评分规则，获得所述第一质检评分规则。

2.如权利要求1所述的方法，其中，所述方法包括：

根据第一用户，获得第一人工语音质检规则；

将所述第一人工语音质检规则转化为第一文本匹配规则集，其中，所述第一文本匹配规则集包括第一词语规则、第一短语规则；

通过所述第一词语规则、所述第一短语规则，生成所述第一语音质检规则。

3.如权利要求1所述的方法，其中，所述方法包括：

若所述第一数据量不小于所述第一预设数据量，则获得第一质检规则自动生成指令；

依据所述第一质检规则自动生成指令对所述第一录音文本数据集进行预处理，获得第二录音文本信息，其中，所述第二录音文本信息包括第一客户录音文本和第一客服录音文本；

通过第一编码指令对所述第一客户录音文本和所述第一客服录音文本进行编码，获得第一编码结果；

根据所述第二录音文本信息的业务类型，生成第一分类标签；

根据所述第一分类标签对所述第一编码结果进行标识，生成所述第一质检评分规则。

4.如权利要求1所述的方法，其中，所述根据第一语音质检规则和第一质检评分规则，构建第一语音质检初始模型，包括：

将所述第一语音质检规则和所述第一质检评分规则进行匹配，获得第一匹配结果；

通过所述第一质检评分规则，获得第一质检分值，其中，所述第一质检分值和所述第一分类标签一一对应；

通过所述第一质检分值，基于所述第一匹配结果为所述第一语音质检规则赋予分值，获得第一打分标准；

根据所述第一打分标准，生成所述第一语音质检初始模型。

5.如权利要求1所述方法，其中，所述根据第一任务列表，对所述第一语音质检初始模型进行配置，获得第一语音质检工作模型，包括：

根据所述第一任务列表，获得第一任务分配信息，其中，所述第一任务分配信息包括第一质检时间信息和第一质检分类信息；

通过所述第一质检时间信息，获得第一配置信息；

通过所述第一质检分类信息，获得第二配置信息；

通过第一配置信息和所述第二配置信息，配置所述第一语音质检初始模型，生成所述第一语音质检工作模型。

6.如权利要求1所述方法，其中，所述通过第一复核指令，对所述第一质检评分进行人工复核，获得第二质检评分，包括：

根据第一人工复核结果，获得第一修改指令，其中，所述第一修改指令包括第一删除指令和第一添加指令；

通过所述第一删除指令和所述第一添加指令对所述第一质检评分进行修改，获得所述第二质检评分。

7.一种基于ASR的语音质检分析系统，其中，所述系统包括：

第一构建单元，所述第一构建单元用于根据第一语音质检规则和第一质检评分规则，构建第一语音质检初始模型；

第二获得单元，所述第二获得单元用于根据第一任务列表，对所述第一语音质检初始模型进行配置，获得第一语音质检工作模型；

第一转化单元，所述第一转化单元用于通过ASR语音识别模块，将第一待质检语音信息转换为第一待质检语音文本信息；

第三获得单元，所述第三获得单元用于将所述第一待质检语音文本信息输入所述第一语音质检工作模型，获得第一质检结果，其中，所述第一质检结果包括第一质检评分；

第四获得单元，所述第四获得单元用于通过第一复核指令，对所述第一质检评分进行人工复核，获得第二质检评分；

第一生成单元，所述第一生成单元用于根据所述第二质检评分，生成第一质检报表；

所述系统还包括：

第五获得单元，所述第五获得单元用于获得第一数据集，其中，所述第一数据集为所述语音质检系统处理过的历史数据集，包括第一录音文本数据集和第一客户反馈信息集；

第六获得单元，所述第六获得单元用于根据所述第一录音文本数据集和所述第一客户反馈信息集，获得第一数据量；

第七获得单元，所述第七获得单元用于获得第一预设数据量，判断所述第一数据量是否小于所述第一预设数据量；

第八获得单元，所述第八获得单元用于若所述第一数据量小于所述第一预设数据量，获得第一用户的第一人工质检评分规则；

第九获得单元，所述第九获得单元用于根据所述第一人工质检评分规则，获得所述第一质检评分规则。

8.一种基于ASR的语音质检分析系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如权利要求1至6任一项所述的方法。

Images