CN1617554A - 一种语音拨号系统和实现方法 - Google Patents

Abstract

本发明提供了一种语音拨号的实现方法和系统。方法包括步骤：接收呼入信号，以触发语音提示；用户根据所述语音提示，应答；识别所述应答，并输出对应的置信度；根据所述置信度确认处理场景，以处理所述用户应答，获取转接的目标对应的终端；根据所述目标对应的终端转接呼叫到目标电话。系统包括：存储装置，用于存储需要识别的语音库及对应信息；至少一个语音识别服务器，用于根据所述存储装置的信息识别用户根据提示输入的语音；语音拨号控制系统，用于控制所述存储装置与至少一个语音识别服务器的运行；其中，所述语音识别服务器根据识别结果对应的置信度确定转接目标和终端。本发明具有分布式的布局，误转率低，并且易于维护。

Description

一种语音拨号系统和实现方法

技术领域

本发明涉及一个语音拨号系统，该系统采用分布式的布局，系统误转率低，并且易于维护。

背景技术

随着对各种自动化、智能化系统需求的不断增多和语音应用技术的不断成熟，各种基于语音提示引导用户完成系统特定的功能导航交互系统日渐增多，应用涉及语音拨号、邮件、电话号码查询、股票信息、银行业务及其他各种信息服务领域。因此基于语音的交互应用系统成为一个非常活跃的领域，而具有广泛应用需求的语音拨号则又是该领域的一个应用热点。

目前，多数公司的总机采用直接拨号或者由人工接线员接听电话的方式。无论哪种方式，每次通话前都至少需要20秒到30秒的时间来查找被叫用户的电话，对于一个拥有几百甚至上千员工的企业，累计起来的时间是很惊人的。而一些采用语音识别技术的电话总机，由于语音识别技术和流程处理方面等的局限，使得系统的正确转接率、人性化程度不高。

另外，现有的语音拨号系统只能转接被叫用户的分机，当被叫用户不在座位上时，现有的电话总机系统就无能为力。

加之，现有的语音拨号系统一般只能简单的部署到一台机器上，系统的扩充性和易维护性不好；管理员端操作往往比较复杂，需要专人专岗。

因此，希望能有一种方法和系统，可以具有分布式的布局，误转率低，并且易于维护。

发明内容

本发明的目的是克服现有技术的上述缺点，为此，本发明提供一个语音拨号系统，该系统能够分布的部署到多台计算机上，同时也可以部署到一台计算机上；该系统特有的流程设计能够最大限度的防止错误的转接电话；并且，该系统的信息维护方便快捷，不需要专人专岗。

为了达到上面的目的，本发明的技术方案是这样实现的：

一种语音拨号的实现方法，包括步骤：

接收呼入信号，以触发提示用户的语音提示；

用户根据所述语音提示，以语音方式应答；

识别所述应答，并输出所述识别结果对应的置信度；

根据所述置信度确认处理场景，以处理所述用户应答，获取转接的目标对应的终端；

根据所述目标对应的终端转接呼叫到目标电话；

其中，所述根据所述置信度确认处理场景的步骤包括：判断所述置信度是否大于第一门限，如果大于，判断是否仅一个识别结果，如果仅一个，确认识别的所述转接目标正确；如果有多个，选择其中之一为所述转接目标；如果小于，要求用户重新输入话音或根据其它门限判决。

可选地，所述根据其它门限判决的步骤包括：判断所述置信度是否大于第二门限，如果大于，判断是否仅一个识别结果，如果仅一个，确认识别的所述转接目标正确；如果有多个，选择其中之一为所述转接目标；如果小于，要求用户重新输入话音。

优选地，还包括步骤，判断是否所述转接目标对应多个同名终端，如果有多个，选择其中之一为所述对应的终端；如果有一个，确认其为所述对应的终端。

可选地，所述选择其中之一为所述转接目标的步骤包括：输出多个可选项，并提示用户选择；用户根据所述可选项选择。

优选地，在所述可选项没有正确值时，用户选择取消或重新语音输入。

可选地，还包括步骤，如果所述对应的终端没有应答，转接用户预定的手机。

优选地，所述第一门限为70，第二门限为60。

可选地，所述根据其它门限判决的步骤包括：判断所述置信度是否小于第三门限，如果小于，拒识；如果大于，通过用户确认所述转接目标。

本发明还提供一种语音拨号的系统，包括：存储装置，用于存储需要识别的语音库及对应信息；至少一个语音识别服务器，用于根据所述存储装置的信息识别用户根据提示输入的语音；语音拨号控制系统，用于控制所述存储装置与至少一个语音识别服务器的运行；其中，所述语音识别服务器根据识别结果对应的置信度确定转接目标和终端。

可选地，系统还包括：

管理员端，用于在管理员与所述语音拨号控制系统之间交互；

负载平衡系统，用于根据所述语音拨号控制系统的指令选择所述至少一个语音识别服务器的负载较轻的之一进行语音识别。。

本发明公开的语音拨号系统可以分布式的部署在多台机器上；本发明的方法可以最大限度的降低误转率；同时期管理员端的界面使得整个系统易于维护。

附图说明

图1为本发明系统的原理部署图；

图2为本发明系统的实施例1的流程模块的流程图；

图3为本发明系统的实施例2的流程模块的流程图；

图4为本发明系统管理员端对系统监控的界面；

图5为本发明系统管理员端对信息维护的界面；

图6为本发明播放语音合成的步骤流程图。

具体实施方式

为了使本技术领域的人员更好地理解本发明，下面结合附图和实施方式对本发明作进一步的详细说明。

图1为本发明系统的部署图；其中的语音识别服务器、语音合成服务器、负载平衡系统、数据库、管理员端、语音拨号控制系统等都不需要部署到单独的机器上，可以一个或几个系统部署在同一台机器上，甚至整个语音拨号系统部署在同一台机器上。但是同一台机器上不能有多个语音合成服务器，也不能有多个语音识别服务器；整个系统只有一个语音识别服务器和一个语音合成服务器的时候，则不需要负载平衡系统，每次语音拨号控制系统需要进行识别或者合成的时候，直接和识别或者合成服务器相连。

图2为本系统的实施例1的流程控制模块的流程图。其中的置信度，是语音识别服务器对本次识别结果的确信程度，当置信度＞70的时候，一般识别服务器本次识别结果都非常准确；识别结果1、识别结果2等是识别服务器把本次识别结果按照置信度排序，排在最前面的识别结果1是置信度最高的，以此类推。

所以本流程首先根据主场景的识别结果进行跳转，如果识别结果1的置信度＞70，并且识别结果2的置信度＜65的时候，就表明识别结果1非常可信，这时候可以直接转到同名处理场景；否则，转入确认场景，和电话用户确认一下识别结果1是否是电话用户要找的人。

同样，在电话用户第二次说出人名的时候也是根据识别结果进行跳转，如果识别结果1的置信度＞70，并且识别结果2的置信度＜65的时候，就表明识别结果1非常可信，这时候可以跳转到同名处理场景；但是这个时候不满足这个条件的时候，则转入Nbest(N个最好)场景，即：把几个候选识别结果都列出来，供电话用户选择。

特有的同名处理功能，当出现同名的时候，提示电话用户有多个叫这个名字的员工，并且给出每个同名员工的附加特征，例如：部门、性别等。

当员工不在座位上，并且开启了转接手机功能的时候，系统还会为电话用户转接到该员工的手机上。

无论是根据置信度进行场景跳转、多次确认、多识别结果处理、还是同名处理、转接手机，都是为了最大限度的降低误转率，同时减少系统交互时间和交互次数，并且能够尽量为电话用户找到被叫员工。

图3为本系统的实施例1的流程控制模块的流程图。其中，图中的分数值70(第一域值)、60(第二域值)只是举了一个例子，除此之外还有一个45(第三域值--拒识域值，即：低于这个分数，识别引擎将不再返回分数，系统做拒识处理，而不再按照流程走)，对不同的识别引擎、不同的应用可以调整；

在本流程图中没有列出拒识(拒绝识别)的情况，通常拒识的处理如下面的伪代码：

if(连续拒识的次数＜3)

重新进入当前场景；重新播放当前场景的提示语；

else

系统转人工接线员；

由于在本流程图中没有列出无识别结果的情况，当用户没有语音输入或者声音过小的时候，系统视为无识别结果。通常情况下当无识别结果的时候，系统会做无输入处理，其处理如下面的伪代码：

if(连续无输入的次数＜3)

重新进入当前场景；重新播放当前场景的提示语；

else

系统认为用户已经离开，主动挂机；

图中红框分别为两个算法，在主场景使用的是算法1；在次场景使用的是算法2：

1)算法1：

if(所有的识别结果都＜45)

作为拒识处理

else(有不止一个识别分数＞70)

转到Nbest处理场景

else(只有一个＞70)

转到同名处理场景

else//即：没有分数大于70的)

进入确认场景；

2)算法2：

if(所有的识别结果都＜45)

作为拒识处理(参见2)

else(只有一个识别分数＞60)

转到同名处理场景；

else//即：有多个识别分数大于60，或者没有识别结果大于60)

转到Nbest处理场景；

其中，确认场景是这样工作的：系统：XX，确认请按“#”号键，否则请再说一下您找谁用户：按“#”号键

由于用户是按键表示确定，系统不会识别错误，所以没有对“确定”这个识别结果的分值做处理；相反，如果用户再说出某个人名，则系统要对其识别分数做处理，即算法2；

Nbest(n个最佳)处理场景是对系统识别分数最高的几个识别结果做处理，所谓Nbest是指识别引擎根据系统的设置，对当前用户的输入返回n个较佳的识别结果；通常，这n个较佳的识别结果不只是高于45(第三域值--拒识域值)，而是高于60(第二域值)；从流程图中可以看出来，当只有一个识别分数＞60的时候才会跳过此场景，否则(也就是有多个识别分数＞60，或者所有的识别分数在45和60之间)都会进入此场景。

本场景是这样工作的：

用户：张三

系统：张三请按1键，张山请按2键，取消请按“*”号键，用户：按“1”号键

由于本场景要求用户按键输入，系统不会识别错误，所以没有对本场景识别结果的分值做处理；

而同名处理场景是这样工作的：

用户：张三

系统：有两个叫张三的，北京厂张三请按1键，研究院张三请按2键，取消请按“*”号键，

用户：按“1”号键

由于本场景要求用户按键输入，系统不会识别错误，所以没有对本场景识别结果的分值做处理；

转接电话场景之后的部分为可选部分，可以按照需要转接手机或者家庭电话等，也可以没有这部分的内容。

另外，本方法可以应用到不同的语音识别引擎，例如：Nuance、ViaVoice等。

下表对不同的域值的转接情况的统计

员工数	第一域值	误转率	需要进入确认场景的百分率
				3000	60	＞10％	30％
65	5％	40％
			70		0.8％	50％
75	0.1％	70％
			80		几乎没有	90％以上

从流程图中可以看出来，当只有一个识别分数大于第2域值的时候才会跳过此场景，否则(也就是有多个识别分数大于第2域值，或者所有的识别分数在第3域值和第2域值之间)，从而不难得出这样的结论：第2域值过高或者过低都会导致在次场景中进入Nbest场景的百分比增大。

第3域值过高会导致拒识率增高；过低会导致系统返回很多不相关的识别结果，使得可用性降低。该表是对员工人数(即：语音识别词表数)为3000的时候做的统计。

图4是本系统管理员端的系统监测界面，通过本界面，管理员不仅可以察看系统的状态信息(端口空闲与否、系统是否正常等)、时时的日志信息(例如：内存使用情况等)，还可以开启/关闭系统、设置系统参数、查询一段时间的通话数量。

图5是本系统的管理员端的系统信息维护界面。通过该界面，管理员初始化电话本、和某一个数据库同步、增加/修改/删除某个员工的信息、增加/修改/删除某个部门的信息、编译语法文件、修改提示语信息等。其中初始化电话本、和某一个数据库同步、增加/修改/删除某个员工的信息、增加/修改/删除某个部门的信息等操作的结果通过语音拨号控制系统保存到数据库中；其中的编译语法文件操作在语音拨号控制系统中进行，并且把编译之后的语法包更新到各个语音识别服务器中；其中的修改提示语信息等操作通过语音拨号控制系统数据库中。

概言之，本发明的系统包括：负载平衡系统，它在接到语音拨号系统识别或者合成的命令之后，察看当前各个识别服务器或者合成服务器的负载状态，找到当前负载最轻的一台服务器，把机器名称告诉给语音拨号控制系统，使得语音拨号控制系统和该识别或合成服务器建立连接。

至少一个语音识别服务器，在负载平衡系统查询该服务器状态的时候该服务器要给出当前的状态：忙、闲；如果忙，还要给出已经忙了多久。当该服务器和语音拨号系统建立连接之后，它负责具体的一次识别操作，然后就断开。管理员可以通过管理员端系统维护语音识别服务器的语法文件等信息。

至少一个语音合成服务器，在负载平衡系统查询该服务器状态的时候该服务器要给出当前的状态：忙、闲；如果忙，还要给出多久之后会空闲。当该服务器和语音拨号系统建立连接之后，它负责具体的一次语音合成操作，然后就断开。管理员可以通过管理员端系统维护语音合成服务器的录音文件、音库等信息。

至少一个管理员端系统。管理员端系统通过语音拨号系统对语音识别系统的语法文件、语音合成系统的提示语、数据库中的员工部门等信息进行维护。

一个语音拨号控制系统，该系统负责对语音板卡控制、处理每次的识别结果、设置每次的合成内容；另外该系统负责把管理员通过管理员端维护的信息分别更新到语音拨号控制系统、每个语音识别服务器、以及数据库中。

一个数据库，用于存储员工的电话号码、姓名、姓名拼音、所在部门等信息；对于有重名的员工，还要存储能够区别该员工的附加标识信息及其拼音。

其中，语音拨号控制系统分别和管理员端、数据库、负载平衡系统相联；负载平衡系统除了和语音拨号控制系统相联之外，还和各个语音合成服务器、语音识别服务器相连。

上述系统中，语音拨号控制系统还包括流程控制单元、语音板卡及其控制单元、语法包编译器等。

管理员端还包括语音拨号系统状态检测模块和语音拨号系统信息维护模块。

一种分布式语音拨号的方法，其工作步骤如下：

a.管理员通过管理员端对语音拨号系统进行监控和维护；

b.当有电话用户打电话至语音拨号系统时，语音拨号控制系统通过语音板卡应答，并设置流程位初始状态。

c.语音拨号控制系统设置提示语的内容并向负载平衡系统发出要进行语音合成的请求；

d.负载平衡系统查询每一个语音合成服务器的状态，寻找负载最轻的一个，把其机器名称告诉语音拨号控制系统；

e.语音拨号控制系统和该语音合成服务器进行连接，语音拨号控制系统把要合成的内容传递给该语音合成服务器进行连接，该语音合成服务器进行连接把合成的结果返回给语音拨号控制系统，然后断开连接，把自己的状态置闲；

f.语音拨号控制系统播放提示语，同时设置语法文件并向负载平衡系统发出要进行语音识别的请求；

g.负载平衡系统查询每一个语音识别服务器的状态，寻找负载最轻的一个，把其机器名称告诉语音拨号控制系统；

h.语音拨号控制系统和该语音识别服务器进行连接，语音拨号控制系统把要识别的内容传递给该语音识别服务器，该语音识别服务器把识别的结果返回给语音拨号控制系统，然后断开连接，把自己的状态置闲；

i.语音拨号控制系统根据返回的识别结果进行场景跳转，如果不是结束状态则跳转到c

在语音拨号控制系统中有一个流程控制模块，它根据识别结果和识别结果的置信度来决定流程的跳转，这样可以最大程度的降低误转率。

当某员工不在座位上的时候，可以转接该员工的手机。

当整个系统只有一个语音识别服务器和一个语音合成服务器的时候，则不需要负载平衡系统，每次语音拨号控制系统需要进行识别或者合成的时候，直接和识别或者合成服务器相连。

可以几个系统部署在同一台机器上，甚至整个语音拨号系统部署在同一台机器上。但是同一台机器上不能有多个语音合成服务器，也不能有多个语音识别服务器。

管理员端可以对语音拨号系统的运行状态进行维护，例如：是否出现异常、有什么用户在线、最近通话统计等(参见附图3)；还可以对系统的一些参数进行设置；同时还可以对系统中的员工信息、部门信息等进行维护。

虽然通过实施例描绘了本发明，本领域普通技术人员知道，本发明有许多变形和变化而不脱离本发明的精神，希望所附的权利要求包括这些变形和变化而不脱离本发明的精神。

Claims (10)

1、一种语音拨号的实现方法，包括步骤：

接收呼入信号，以触发提示用户的语音提示；

用户根据所述语音提示，以语音方式应答；

识别所述应答，并输出所述识别结果对应的置信度；

根据所述置信度确认处理场景，以处理所述用户应答，获取转接的目标对应的终端；

根据所述目标对应的终端转接呼叫到目标电话；

其中，所述根据所述置信度确认处理场景的步骤包括：判断所述置信度是否大于第一门限，如果大于，判断是否仅一个识别结果，如果仅一个，确认识别的所述转接目标正确；如果有多个，选择其中之一为所述转接目标；如果小于，要求用户重新输入话音或根据其它门限判决。

2、如权利要求1所述的方法，其中，所述根据其它门限判决的步骤包括：判断所述置信度是否大于第二门限，如果大于，判断是否仅一个识别结果，如果仅一个，确认识别的所述转接目标正确；如果有多个，选择其中之一为所述转接目标；如果小于，要求用户重新输入话音。

3、如权利要求1或2所述的方法，其中，还包括步骤，判断是否所述转接目标对应多个同名终端，如果有多个，选择其中之一为所述对应的终端；如果有一个，确认其为所述对应的终端。

4、如权利要求1或2所述的方法，其中，所述选择其中之一为所述转接目标的步骤包括：输出多个可选项，并提示用户选择；用户根据所述可选项选择。

5、如权利要求4所述的方法，其中，在所述可选项没有正确值时，用户选择取消或重新语音输入。

6、如权利要求3所述的方法，还包括步骤，如果所述对应的终端没有应答，转接用户预定的手机。

7、如权利要求1或2所述的方法，其中，所述第一门限为70，第二门限为60。

8、如权利要求1或2所述的方法，其中，所述根据其它门限判决的步骤包括：判断所述置信度是否小于第三门限，如果小于，拒识；如果大于，通过用户确认所述转接目标。

9、一种语音拨号的系统，用于实现如权利要求1-8的方法，所述系统包括：存储装置，用于存储需要识别的语音库及对应信息；至少一个语音识别服务器，用于根据所述存储装置的信息识别用户根据提示输入的语音；语音拨号控制系统，用于控制所述存储装置与至少一个语音识别服务器的运行；其中，所述语音识别服务器根据识别结果对应的置信度确定转接目标和终端。

10、如权利要求9所述的系统，还包括：

管理员端，用于在管理员与所述语音拨号控制系统之间交互；

负载平衡系统，用于根据所述语音拨号控制系统的指令选择所述至少一个语音识别服务器的负载较轻的之一进行语音识别。

Images