一、传统语音质检存在的问题人工质检抽样比覆盖不足：集团的业务的迅猛发展，业务量的增加，导致质检人员缺口增加，质检抽样比度则会大大下降。 人工质检完成速度存在局限性：比如：熟练质检员每日可以完成40-50通电话的质检工作，而新质检员则只能完成20-30通；质检的滞后性。 人工质检存在人为判断误差：情绪波动、工作疲劳或者人情等因素的影响；对于质检人员，由于岗位限制更多的关注公平公正，而非对企业有价值部分需求挖掘。 人工质检结果无法归类分析：现有的质检结果信息较单一，无法做分类汇总或者做类别交叉分析，也无法进行最根本原因分析。最终也无法形成相对比较正式规划的数据报表。 二、质检的技术运用智能质检系统：由“人工质检”转移到“机器自动智能质检”，和由“部分录音质检”提升到“全部录音质检”。系统可自动的根据自定义的质检表单对录音进行智能质检，实现企业服务标准化。 质检使用技术： 语音转文本：针对电信领域大量数据训练优化后的连续自然语音识别引擎，可将语音转为文本文件，便于搜索与挖掘。 关键词检出：对于一段指定语音，根据预设质检词语，检测出相应的位置，可供人工质检人员有目的测听。 情绪检测：通过语音及文本中的各种信息，分析对话者的情绪。 静音检测：可检测出坐席未及时应答、冷场、技能不熟练、客户等待超长、等情况。 语速检测：分析出坐席人员说话的平均语速及实时语速，以作为其服务态度、熟练程度及服务质量的依据。 声纹识别：分离客服与用户语音，针对角色分析文本。对于催收语音进行质检，对于用户语音进行文本分析。
三、智能语音分析的实现1、语音转写 基于非特定人的、连续自然语音的识别。可针对客服领域录音、及特定业务进行优化，实现通话内容自动转写成文字。 将分离后的语音通过声学模型转换为对应的汉语音标符号，音标信息再通过超大词汇网络的语言模型识别出最终对应的文本内容。 根据地方口音及说法特点，通过大量语料训练，不断优化声学模型及语言模型。 结合业务知识和服务范围，优化关注业务的识别效果，修正语音转写结果。 2、关键词检出 通过分析指定语音段，检测到指定关键词，并返回该关键词所在整条语音中的位置。 · 流程规范检查：对录音中的关键词顺序进行分析，检查客服人员是否按照流程规定的顺序说出合理话树，关键词是否完备 · 服务忌语检查：检查客服人员对话中是否包含服务忌语。 3、话者分离： 是指在用户与坐席人员的语音交互录音文件中，将“用户”语音和“坐席人员”的语音进行分离，提供针对性分析应用基础。 4、情绪检测： 情绪检测，能够将客服领域通话录音中的异常情绪检测出来，得到包含发音人情绪异常的数据列表，给出对应的异常产生位置及可信度。 用户可预先设置报警门限（基频相对变化程度、语速门限、变化持续时间）。 · 成单录音分析，提高成单率：针对成单录音进行分析，找出关键因素，从而提高催收成功率； · 热点追踪：对海量的语音文件进行分析，找出客户客户关注的焦点； · 提高通话催收解决效率：确定并消除重复通话的驱动因素； · 减少平均处理时间：确定长时间通话的原因； · 改善客户满意度：了解客户为什么投诉； · 关键词抓取：关键词检索，统计分析，如预计还款率、风险控制； · 减少客户投诉：投诉风险控制； · 改善业务流程：利用客户互动过程，找到流程中的低效率环节； · 突发业务的预警：预警突发状态； 汉云智能语音质检系统实现方式、解决方案将在下篇文章分享 转载须知：转载请标明文章出处，感谢配合！ |
|
|
