电话机器人无需人工干预

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到50通电话的质检工作，而新质检员则只能完成20到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，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*根本原因分析。*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*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。