CN115334205B - 一种采用深度学习的语音外呼系统和方法 - Google Patents

Abstract

本发明适用于语音通信技术领域，尤其涉及一种采用深度学习的语音外呼系统和方法，所述方法包括：构建用户资料数据库，并获取用户基本资料信息；调取相应的用户订单完整资料信息，并对用户进行外呼；外呼连接成功后，对用户进行基本身份信息验证；查询用户订单完整资料信息，并回复用户，重复上述步骤，直至用户挂断；存储外呼交互过程，采用深度学习进行分析，生成外呼交互纠偏信息。本发明在进行语音外呼之前，根据用户的基本资料信息调取与之相关的完整信息，根据用户的相关信息对用户进行身份验证，在验证完成后，与用户进行交互沟通，无需人工参与即可完成服务，避免了人工参与导致的不确定因素增加的问题，稳定性好，成本低。

Description

一种采用深度学习的语音外呼系统和方法

技术领域

本发明属于语音通信技术领域，尤其涉及一种采用深度学习的语音外呼系统和方法。

背景技术

语音通话是通过语音并借助传输媒介的沟通方式。随着社会的发展，各种商家或者企业为了向外展示自己的产品，建立销售关系网，做好售前咨询工作、售后服务工作等，通常是设置大量的客服，来完成与客户之间的交流和沟通。

深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

无论是在服务行业还是商品销售行业，都需要在订单进行过程中与用户进行沟通，但是当前的语音沟通过程，主要是依赖人工完成的，客服人员需要记忆大量的相关资料才能够完成好服务，因此工作难度大，成本高。

发明内容

本发明实施例的目的在于提供一种采用深度学习的语音外呼方法，旨在解决背景技术第三部分中提出的问题。

本发明实施例是这样实现的，一种采用深度学习的语音外呼方法，所述方法包括：

构建用户资料数据库，并获取用户基本资料信息，所述用户资料数据库中包括用户订单完整资料信息，所述用户基本资料信息至少包括用户身份信息以及用户联系方式信息；

根据用户基本资料信息调取相应的用户订单完整资料信息，并对用户进行外呼；

外呼连接成功后，对用户进行基本身份信息验证；

身份验证成功后基于用户反馈的语音信息查询用户订单完整资料信息，并回复用户，重复上述步骤，直至用户挂断；

存储外呼交互过程，并采用深度学习进行分析，生成外呼交互纠偏信息，所述外呼交互纠偏信息用于在下一次与该用户进行外呼时对发声语音进行调整。

优选的，所述外呼连接成功后，对用户进行基本身份信息验证的步骤，具体包括：

外呼后，接收用户反馈信息，接收成功即视为外呼连接成功；

发出提示语音，并基于用户基本资料信息查询用户订单完整资料信息，随机调取部分信息，生成身份验证信息；

基于身份验证信息对用户进行提问，并根据用户答复信息进行验证。

优选的，所述身份验证成功后基于用户反馈的语音信息查询用户订单完整资料信息，并回复用户，重复上述步骤，直至用户挂断的步骤，具体包括：

接收用户反馈的语音信息，进行语音识别，得到语音识别结果；

根据语音识别结果查询用户订单完整资料信息，并生成待播报语音信息并进行播报；

重复上述步骤，直至用户挂断电话或者接收到用户相应的断连回复信息。

优选的，所述存储外呼交互过程，并采用深度学习进行分析，生成外呼交互纠偏信息的步骤，具体包括：

对外呼交互过程进行全程录音，将用户反馈的语音信息进行收集；

通过语音识别确定用户反馈的语音信息中包含的内容；

基于本次语音外呼产生的内容，利用深度学习分析，确定语音信息与用户反馈之间的相关性，并生成外呼交互纠偏信息。

优选的，所述用户身份信息为用户的身份证件号码。

优选的，对用户进行基本身份信息验证时，若验证不通过，则转为人工服务。

本发明实施例的另一目的在于提供一种采用深度学习的语音外呼系统，所述系统包括：

信息获取模块，用于构建用户资料数据库，并获取用户基本资料信息，所述用户资料数据库中包括用户订单完整资料信息，所述用户基本资料信息至少包括用户身份信息以及用户联系方式信息；

资料调取模块，用于根据用户基本资料信息调取相应的用户订单完整资料信息，并对用户进行外呼；

身份验证模块，用于外呼连接成功后，对用户进行基本身份信息验证；

语音外呼模块，用于身份验证成功后基于用户反馈的语音信息查询用户订单完整资料信息，并回复用户，重复上述步骤，直至用户挂断；

语音纠偏模块，用于存储外呼交互过程，并采用深度学习进行分析，生成外呼交互纠偏信息，所述外呼交互纠偏信息用于在下一次与该用户进行外呼时对发声语音进行调整。

优选的，所述身份验证模块包括：

连接确认单元，用于外呼后，接收用户反馈信息，接收成功即视为外呼连接成功；

验证信息生成单元，用于发出提示语音，并基于用户基本资料信息查询用户订单完整资料信息，随机调取部分信息，生成身份验证信息；

提问验证单元，用于基于身份验证信息对用户进行提问，并根据用户答复信息进行验证。

优选的，所述语音外呼模块包括：

语音接收单元，用于接收用户反馈的语音信息，进行语音识别，得到语音识别结果；

语音播报单元，用于根据语音识别结果查询用户订单完整资料信息，并生成待播报语音信息并进行播报；

语音结束确定单元，用于重复上述步骤，直至用户挂断电话或者接收到用户相应的断连回复信息。

优选的，所述语音纠偏模块包括：

数据采集单元，用于对外呼交互过程进行全程录音，将用户反馈的语音信息进行收集；

语音分析单元，用于通过语音识别确定用户反馈的语音信息中包含的内容；

主动纠偏单元，用于基于本次语音外呼产生的内容，利用深度学习分析，确定语音信息与用户反馈之间的相关性，并生成外呼交互纠偏信息。

本发明实施例提供的一种采用深度学习的语音外呼方法，在进行语音外呼之前，根据用户的基本资料信息调取与之相关的完整信息，进而在对用户进行外呼的过程中，根据用户的相关信息对用户进行身份验证，在验证完成后，与用户进行交互沟通，无需人工参与即可完成服务，避免了人工参与导致的不确定因素增加的问题，能够避免人工导致的意外情况发生，稳定性好，成本低。

附图说明

图1为本发明实施例提供的一种采用深度学习的语音外呼方法的流程图；

图2为本发明实施例提供的外呼连接成功后，对用户进行基本身份信息验证的步骤的流程图；

图3为本发明实施例提供的身份验证成功后基于用户反馈的语音信息查询用户订单完整资料信息，并回复用户，重复上述步骤，直至用户挂断的步骤的流程图；

图4为本发明实施例提供的存储外呼交互过程，并采用深度学习进行分析，生成外呼交互纠偏信息的步骤的流程图；

图5为本发明实施例提供的一种采用深度学习的语音外呼系统的架构图；

图6为本发明实施例提供的一种身份验证模块的架构图；

图7为本发明实施例提供的一种语音外呼模块的架构图；

图8为本发明实施例提供的一种语音纠偏模块的架构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。

深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。无论是在服务行业还是商品销售行业，都需要在订单进行过程中与用户进行沟通，但是当前的语音沟通过程，主要是依赖人工完成的，客服人员需要记忆大量的相关资料才能够完成好服务，因此工作难度大，成本高。

本发明在进行语音外呼之前，根据用户的基本资料信息调取与之相关的完整信息，进而在对用户进行外呼的过程中，根据用户的相关信息对用户进行身份验证，在验证完成后，与用户进行交互沟通，无需人工参与即可完成服务，避免了人工参与导致的不确定因素增加的问题，能够避免人工导致的意外情况发生，稳定性好，成本低。

如图1所示，为本发明实施例提供的一种采用深度学习的语音外呼方法的流程图，所述方法包括：

S100，构建用户资料数据库，并获取用户基本资料信息，所述用户资料数据库中包括用户订单完整资料信息，所述用户基本资料信息至少包括用户身份信息以及用户联系方式信息。

在本步骤中，构建用户资料数据库，即将所有用户的基本资料信息、用户订单完整资料信息等均录入到用户资料数据库当中，因此，在进行外呼的过程中，系统可以根据用户的反馈来查询上述数据，以上述数据作为基础，来回复用户，用户基本资料信息至少包括用户身份信息以及用户联系方式信息，其中用户身份信息可以用于验证用户的身份，用户联系方式信息则是用于在外呼时联系用户；所述用户身份信息为用户的身份证件号码。

S200，根据用户基本资料信息调取相应的用户订单完整资料信息，并对用户进行外呼。

在本步骤中，根据用户基本资料信息调取相应的用户订单完整资料信息，即在外呼用户之前，先根据用户的基本信息查询用户的订单，从而将所有与该用户有关的材料单独调取出来，以避免在外呼过程中进行实时查询，提高相应的速度，然后根据用户联系方式信息向用户发出呼叫，以请求建立外呼连接。

S300，外呼连接成功后，对用户进行基本身份信息验证。

在本步骤中，根据外呼连接的状态确定是否接通成功，在接通成功之后，则依据任何与用户相关的信息对用户进行身份验证，具体的，通过询问用户与相关订单有关的信息，从而判断是否为用户本人，当然，也可以直接询问与用户的身份有关的信息，对用户进行基本身份信息验证时，若验证不通过，则转为人工服务。

S400，身份验证成功后基于用户反馈的语音信息查询用户订单完整资料信息，并回复用户，重复上述步骤，直至用户挂断。

在本步骤中，身份验证成功后基于用户反馈的语音信息查询用户订单完整资料信息，连接成功之后，在进行语音提示之后，对用户反馈的语音进行接收，然后通过语音识别的方式，确定用户反馈的内容，进而根据上述内容查询用户订单完整资料信息，并将查询结果播报给用户，重复上述步骤，直至用户挂断。

S500，存储外呼交互过程，并采用深度学习进行分析，生成外呼交互纠偏信息，所述外呼交互纠偏信息用于在下一次与该用户进行外呼时对发声语音进行调整。

在本步骤中，存储外呼交互过程，在进行外呼的过程中，以对话的形式保存交互的过程，具体的，先将双方的语音信息转化为文字信息，进而以对话框的方式进行存储，以方便查验，采用深度学习进行分析，分析本次采用的语音播报方式是否达到预期效果，从而生成外呼交互纠偏信息，在下一次进行外呼时，则根据外呼交互纠偏信息调节语音播报的音色、语速等信息，以提高用户的接受度，逐步改善语音播报生硬的问题。

如图2所示，作为本发明的一个优选实施例，所述外呼连接成功后，对用户进行基本身份信息验证的步骤，具体包括：

S301，外呼后，接收用户反馈信息，接收成功即视为外呼连接成功。

在本步骤中，对用户进行外呼，在进行外呼时，用户可能存在误接听，或者接听后没有说话的情况，此时则持续接收用户反馈信息，并向用户发出询问信息，直至接收到用户反馈信息，即视为外呼连接成功，此时即可与用户进行交互。

S302，发出提示语音，并基于用户基本资料信息查询用户订单完整资料信息，随机调取部分信息，生成身份验证信息。

在本步骤中，发出提示语音，通过语音提示向用户告知本次进行外呼的目的，并且告知用户即将进行身份验证，在用户同意之后，基于用户基本资料信息查询用户订单完整资料信息，随机调取部分信息，如订单内容、订单的创建时间等，将其作为身份验证信息。

S303，基于身份验证信息对用户进行提问，并根据用户答复信息进行验证。

在本步骤中，通过语音播报的方式，将身份验证信息播报给用户，并在播报完成之后，接收用户输入的答复信息，根据用户答复信息进行验证，此步骤中，对用户答复信息进行语音识别，根据识别结果与身份验证信息之间的对比确定是否验证成功。

如图3所示，作为本发明的一个优选实施例，所述身份验证成功后基于用户反馈的语音信息查询用户订单完整资料信息，并回复用户，重复上述步骤，直至用户挂断的步骤，具体包括：

S401，接收用户反馈的语音信息，进行语音识别，得到语音识别结果。

在本步骤中，接收用户反馈的语音信息，此时是在用户完成身份验证之后，因此需要实时对用户发出的语音信息进行接收，然后对其进行实时语音识别，以得到语音识别结果；当然，如果致电是为了确认信息等需要向用户获取信息的，则先根据预设的信息对用户进行提问，然后接收用户发出的反馈信息。

S402，根据语音识别结果查询用户订单完整资料信息，并生成待播报语音信息并进行播报。

在本步骤中，根据语音识别结果查询用户订单完整资料信息，为了便于与用户交互，提高响应速度，将上述信息提前调取出来，以方便进行查询，生成待播报语音信息并进行播报。

S403，重复上述步骤，直至用户挂断电话或者接收到用户相应的断连回复信息。

在本步骤中，重复上述步骤，由于交互是双方进行的，因此可能存在多个交互回合，直至用户挂断电话或者接收到用户相应的断连回复信息，断连回复信息为预设的信息，如挂断电话的交互内容。

如图4所示，作为本发明的一个优选实施例，所述存储外呼交互过程，并采用深度学习进行分析，生成外呼交互纠偏信息的步骤，具体包括：

S501，对外呼交互过程进行全程录音，将用户反馈的语音信息进行收集。

在本步骤中，对外呼交互过程进行全程录音，在此过程中，将播报的语音信息以及接收到的来自用户的语音信息进行录制，从而完成语音信息的收集。

S502，通过语音识别确定用户反馈的语音信息中包含的内容。

S503，基于本次语音外呼产生的内容，利用深度学习分析，确定语音信息与用户反馈之间的相关性，并生成外呼交互纠偏信息。

在本步骤中，通过语音识别确定用户反馈的语音信息中包含的内容，从而对本次语音外呼产生的内容进行分析，判断用户对本次服务是否满意，是否存在负面评价，具体的，根据语音信息的内容判断，有没有负面的文字，如反应慢、难听、麻烦等关键字，从而并对历史数据进行分析，判断采用的语音播报方式与用户方反馈之间的相关性，并生成外呼交互纠偏信息，外呼交互纠偏信息中则根据不同的外呼时间设置不同的音色，例如晚上则设置相对低沉的播报声音，根据用户性别以及年龄设置不同的音色，并根据用户的反馈进行动态调整。

如图5所示，为本发明实施例提供的一种采用深度学习的语音外呼系统，其特征在于，所述系统包括：

信息获取模块100，用于构建用户资料数据库，并获取用户基本资料信息，所述用户资料数据库中包括用户订单完整资料信息，所述用户基本资料信息至少包括用户身份信息以及用户联系方式信息。

在本系统中，信息获取模块100构建用户资料数据库，即将所有用户的基本资料信息、用户订单完整资料信息等均录入到用户资料数据库当中，因此，在进行外呼的过程中，系统可以根据用户的反馈来查询上述数据，以上述数据作为基础，来回复用户，用户基本资料信息至少包括用户身份信息以及用户联系方式信息，其中用户身份信息可以用于验证用户的身份，用户联系方式信息则是用于在外呼时联系用户；所述用户身份信息为用户的身份证件号码。

资料调取模块200，用于根据用户基本资料信息调取相应的用户订单完整资料信息，并对用户进行外呼。

在本系统中，资料调取模块200根据用户基本资料信息调取相应的用户订单完整资料信息，即在外呼用户之前，先根据用户的基本信息查询用户的订单，从而将所有与该用户有关的材料单独调取出来，以避免在外呼过程中进行实时查询，提高相应的速度，然后根据用户联系方式信息向用户发出呼叫，以请求建立外呼连接。

身份验证模块300，用于外呼连接成功后，对用户进行基本身份信息验证。

在本系统中，身份验证模块300根据外呼连接的状态确定是否接通成功，在接通成功之后，则依据任何与用户相关的信息对用户进行身份验证，具体的，通过询问用户与相关订单有关的信息，从而判断是否为用户本人，当然，也可以直接询问与用户的身份有关的信息，对用户进行基本身份信息验证时，若验证不通过，则转为人工服务。

语音外呼模块400，用于身份验证成功后基于用户反馈的语音信息查询用户订单完整资料信息，并回复用户，重复上述步骤，直至用户挂断。

在本系统中，语音外呼模块400在身份验证成功后基于用户反馈的语音信息查询用户订单完整资料信息，连接成功之后，在进行语音提示之后，对用户反馈的语音进行接收，然后通过语音识别的方式，确定用户反馈的内容，进而根据上述内容查询用户订单完整资料信息，并将查询结果播报给用户，重复上述步骤，直至用户挂断。

语音纠偏模块500，用于存储外呼交互过程，并采用深度学习进行分析，生成外呼交互纠偏信息，所述外呼交互纠偏信息用于在下一次与该用户进行外呼时对发声语音进行调整。

在本系统中，语音纠偏模块500存储外呼交互过程，在进行外呼的过程中，以对话的形式保存交互的过程，具体的，先将双方的语音信息转化为文字信息，进而以对话框的方式进行存储，以方便查验，采用深度学习进行分析，分析本次采用的语音播报方式是否达到预期效果，从而生成外呼交互纠偏信息，在下一次进行外呼时，则根据外呼交互纠偏信息调节语音播报的音色、语速等信息，以提高用户的接受度，逐步改善语音播报生硬的问题。

如图6所示，作为本发明的一个优选实施例，所述身份验证模块300包括：

连接确认单元301，用于外呼后，接收用户反馈信息，接收成功即视为外呼连接成功。

在本模块中，连接确认单元301对用户进行外呼，在进行外呼时，用户可能存在误接听，或者接听后没有说话的情况，此时则持续接收用户反馈信息，并向用户发出询问信息，直至接收到用户反馈信息，即视为外呼连接成功，此时即可与用户进行交互。

验证信息生成单元302，用于发出提示语音，并基于用户基本资料信息查询用户订单完整资料信息，随机调取部分信息，生成身份验证信息。

在本模块中，验证信息生成单元302发出提示语音，通过语音提示向用户告知本次进行外呼的目的，并且告知用户即将进行身份验证，在用户同意之后，基于用户基本资料信息查询用户订单完整资料信息，随机调取部分信息，如订单内容、订单的创建时间等，将其作为身份验证信息。

提问验证单元303，用于基于身份验证信息对用户进行提问，并根据用户答复信息进行验证。

在本模块中，提问验证单元303通过语音播报的方式，将身份验证信息播报给用户，并在播报完成之后，接收用户输入的答复信息，根据用户答复信息进行验证，此步骤中，对用户答复信息进行语音识别，根据识别结果与身份验证信息之间的对比确定是否验证成功。

如图7所示，作为本发明的一个优选实施例，所述语音外呼模块400包括：

语音接收单元401，用于接收用户反馈的语音信息，进行语音识别，得到语音识别结果。

在本模块中，语音接收单元401接收用户反馈的语音信息，此时是在用户完成身份验证之后，因此需要实时对用户发出的语音信息进行接收，然后对其进行实时语音识别，以得到语音识别结果；当然，如果致电是为了确认信息等需要向用户获取信息的，则先根据预设的信息对用户进行提问，然后接收用户发出的反馈信息。

语音播报单元402，用于根据语音识别结果查询用户订单完整资料信息，并生成待播报语音信息并进行播报。

在本模块中，语音播报单元402根据语音识别结果查询用户订单完整资料信息，为了便于与用户交互，提高响应速度，将上述信息提前调取出来，以方便进行查询，生成待播报语音信息并进行播报。

语音结束确定单元403，用于重复上述步骤，直至用户挂断电话或者接收到用户相应的断连回复信息。

在本模块中，语音结束确定单元403重复上述步骤，由于交互是双方进行的，因此可能存在多个交互回合，直至用户挂断电话或者接收到用户相应的断连回复信息，断连回复信息为预设的信息，如挂断电话的交互内容。

如图8所示，作为本发明的一个优选实施例，所述语音纠偏模块500包括：

数据采集单元501，用于对外呼交互过程进行全程录音，将用户反馈的语音信息进行收集。

在本模块中，数据采集单元501对外呼交互过程进行全程录音，在此过程中，将播报的语音信息以及接收到的来自用户的语音信息进行录制，从而完成语音信息的收集。

语音分析单元502，用于通过语音识别确定用户反馈的语音信息中包含的内容。

主动纠偏单元503，用于基于本次语音外呼产生的内容，利用深度学习分析，确定语音信息与用户反馈之间的相关性，并生成外呼交互纠偏信息。

在本模块中，通过语音识别确定用户反馈的语音信息中包含的内容，从而对本次语音外呼产生的内容进行分析，判断用户对本次服务是否满意，是否存在负面评价，具体的，根据语音信息的内容判断，有没有负面的文字，如反应慢、难听、麻烦等关键字，从而并对历史数据进行分析，判断采用的语音播报方式与用户方反馈之间的相关性，并生成外呼交互纠偏信息，外呼交互纠偏信息中则根据不同的外呼时间设置不同的音色，例如晚上则设置相对低沉的播报声音，根据用户性别以及年龄设置不同的音色，并根据用户的反馈进行动态调整。

应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种采用深度学习的语音外呼方法，其特征在于，所述方法包括：

构建用户资料数据库，并获取用户基本资料信息，所述用户资料数据库中包括用户订单完整资料信息，所述用户基本资料信息至少包括用户身份信息以及用户联系方式信息；

根据用户基本资料信息调取相应的用户订单完整资料信息，并对用户进行外呼；

外呼连接成功后，对用户进行基本身份信息验证；

身份验证成功后基于用户反馈的语音信息查询用户订单完整资料信息，并回复用户，重复上述步骤，直至用户挂断；

存储外呼交互过程，并采用深度学习进行分析，生成外呼交互纠偏信息，所述外呼交互纠偏信息用于在下一次与该用户进行外呼时对发声语音进行调整；

所述存储外呼交互过程，并采用深度学习进行分析，生成外呼交互纠偏信息的步骤，具体包括：

对外呼交互过程进行全程录音，将用户反馈的语音信息进行收集；

通过语音识别确定用户反馈的语音信息中包含的内容；

基于本次语音外呼产生的内容，利用深度学习分析，确定语音信息与用户反馈之间的相关性，并生成外呼交互纠偏信息；

通过语音识别确定用户反馈的语音信息中包含的内容，对本次语音外呼产生的内容进行分析，判断用户对本次服务是否满意，判断是否存在负面评价，根据语音信息的内容判断是否存在负面的文字，对历史数据进行分析，判断采用的语音播报方式与用户方反馈之间的相关性，并生成外呼交互纠偏信息，外呼交互纠偏信息根据不同的外呼时间设置不同的音色，晚上则设置相对低沉的播报声音，根据用户性别以及年龄设置不同的音色，并根据用户的反馈进行动态调整。

2.根据权利要求1所述的采用深度学习的语音外呼方法，其特征在于，所述外呼连接成功后，对用户进行基本身份信息验证的步骤，具体包括：

外呼后，接收用户反馈信息，接收成功即视为外呼连接成功；

发出提示语音，并基于用户基本资料信息查询用户订单完整资料信息，随机调取部分信息，生成身份验证信息；

基于身份验证信息对用户进行提问，并根据用户答复信息进行验证。

3.根据权利要求1所述的采用深度学习的语音外呼方法，其特征在于，所述身份验证成功后基于用户反馈的语音信息查询用户订单完整资料信息，并回复用户，重复上述步骤，直至用户挂断的步骤，具体包括：

接收用户反馈的语音信息，进行语音识别，得到语音识别结果；

根据语音识别结果查询用户订单完整资料信息，并生成待播报语音信息并进行播报；

重复上述步骤，直至用户挂断电话或者接收到用户相应的断连回复信息。

4.根据权利要求1所述的采用深度学习的语音外呼方法，其特征在于，所述用户身份信息为用户的身份证件号码。

5.根据权利要求1所述的采用深度学习的语音外呼方法，其特征在于，对用户进行基本身份信息验证时，若验证不通过，则转为人工服务。

6.一种采用深度学习的语音外呼系统，其特征在于，所述系统包括：

信息获取模块，用于构建用户资料数据库，并获取用户基本资料信息，所述用户资料数据库中包括用户订单完整资料信息，所述用户基本资料信息至少包括用户身份信息以及用户联系方式信息；

资料调取模块，用于根据用户基本资料信息调取相应的用户订单完整资料信息，并对用户进行外呼；

身份验证模块，用于外呼连接成功后，对用户进行基本身份信息验证；

语音外呼模块，用于身份验证成功后基于用户反馈的语音信息查询用户订单完整资料信息，并回复用户，重复上述步骤，直至用户挂断；

语音纠偏模块，用于存储外呼交互过程，并采用深度学习进行分析，生成外呼交互纠偏信息，所述外呼交互纠偏信息用于在下一次与该用户进行外呼时对发声语音进行调整；

所述语音纠偏模块包括：

数据采集单元，用于对外呼交互过程进行全程录音，将用户反馈的语音信息进行收集；

语音分析单元，用于通过语音识别确定用户反馈的语音信息中包含的内容；

主动纠偏单元，用于基于本次语音外呼产生的内容，利用深度学习分析，确定语音信息与用户反馈之间的相关性，并生成外呼交互纠偏信息；

通过语音识别确定用户反馈的语音信息中包含的内容，对本次语音外呼产生的内容进行分析，判断用户对本次服务是否满意，判断是否存在负面评价，根据语音信息的内容判断是否存在负面的文字，对历史数据进行分析，判断采用的语音播报方式与用户方反馈之间的相关性，并生成外呼交互纠偏信息，外呼交互纠偏信息根据不同的外呼时间设置不同的音色，晚上则设置相对低沉的播报声音，根据用户性别以及年龄设置不同的音色，并根据用户的反馈进行动态调整。

7.根据权利要求6所述的采用深度学习的语音外呼系统，其特征在于，所述身份验证模块包括：

连接确认单元，用于外呼后，接收用户反馈信息，接收成功即视为外呼连接成功；

验证信息生成单元，用于发出提示语音，并基于用户基本资料信息查询用户订单完整资料信息，随机调取部分信息，生成身份验证信息；

提问验证单元，用于基于身份验证信息对用户进行提问，并根据用户答复信息进行验证。

8.根据权利要求6所述的采用深度学习的语音外呼系统，其特征在于，所述语音外呼模块包括：

语音接收单元，用于接收用户反馈的语音信息，进行语音识别，得到语音识别结果；

语音播报单元，用于根据语音识别结果查询用户订单完整资料信息，并生成待播报语音信息并进行播报；

语音结束确定单元，用于重复上述步骤，直至用户挂断电话或者接收到用户相应的断连回复信息。

Images