語音識別技術(shù)在人工臺智能化應用

趙若言

摘要

隨著社會經(jīng)濟的發(fā)展以及科學技術(shù)的進步，人工智能技術(shù)得到極大的發(fā)展，其中語音識別技術(shù)在各個領(lǐng)域的應用越來越廣泛，為人們的生產(chǎn)生活提供了極大的便利。但是，在科技發(fā)展迅速的今天，諸多成熟高科技仍未能運用到一些重要領(lǐng)域通信保障日常建設(shè)中來。本文就語音識別技術(shù)在某些特殊領(lǐng)域人工臺設(shè)備的應用進行了探討。

【關(guān)鍵詞】語音識別 人工臺 人工智能

1 前言

隨著云計算、模型算法、資源整合以及大數(shù)據(jù)等新技術(shù)的發(fā)展與成熟，人工智能技術(shù)如今進入了爆發(fā)式增長期。該技術(shù)引發(fā)了傳統(tǒng)領(lǐng)域的創(chuàng)新與變革，并己全方面向人們的日常生活滲透，改變了原本的生活方式。其中智能語音技術(shù)率先發(fā)展成熟起來，展現(xiàn)出了廣闊的行業(yè)發(fā)展前景。然而，目前一些重要崗位人工臺話務(wù)員查號報號主要靠人工記憶和人工查找，不具有智能型。且對于這類人工話務(wù)員的訓練周期過長，是對人力資源造成極大浪費，對人工話務(wù)臺的升級改造己刻不容緩?，F(xiàn)階段民用語音識別技術(shù)已經(jīng)相對成熟，利用語音識別技術(shù)對人工話務(wù)臺進行升級具有較大的現(xiàn)實意義。

2 語音識別技術(shù)概述

2.1 什么是語音識別技術(shù)

語音識別技術(shù)，也被稱為自動語音識別Automatic Speech Recognition（ASR），其目標是將人類語音中的詞匯內(nèi)容轉(zhuǎn)換為計算機可以讀的輸入，例如按鍵、二進制編碼或者字符序列。通俗地說就是讓機器通過識別和理解過程把語音信號轉(zhuǎn)變?yōu)橄鄳奈谋净蛎畹母呒夹g(shù)，也就是讓機器聽懂人類的語言。

2.2 語音識別技術(shù)的發(fā)展

語音識別的研究工作開始于20世紀50年代，第一個語音識別系統(tǒng)源于AT&T貝爾實驗室的Andry系統(tǒng)，它可實現(xiàn)十個英文數(shù)字的識別。60年代，計算機技術(shù)的發(fā)展使得語音識別取得實質(zhì)性進展，為語音識別的實現(xiàn)在硬件和軟件上提供了平臺。在這個時期，提出的動態(tài)規(guī)劃（DP，Dynamic Programming）和線性預測分析技術(shù)（LP）兩項技術(shù)可應用于語音識別。80年代，HMM模型在語音識別中的成功應用及人工神經(jīng)網(wǎng)絡(luò)在語音識別中的研究進一步推動了語音識別研究工作。到2006年，微軟利用Hinton逐層貪婪無監(jiān)督預訓練深度網(wǎng)絡(luò)，成功地將深度學習應用到其語音識別系統(tǒng)中，使識別錯誤率降低了約30%，這是語音識別領(lǐng)域中的一次重大突破。隨后，微軟又利用基于上下文相關(guān)的深度神經(jīng)網(wǎng)絡(luò)一隱馬爾科夫模型（Context-dependent DNN-HMM，CD-DNN-HMM）對大詞匯量語音識別的研究成果，對語音識別系統(tǒng)的原有技術(shù)框架進行了徹底改造，語音識別技術(shù)進入新時代。

如今，在人們的生活中，智能化語音識別技術(shù)已經(jīng)運用于各類通信、生活服務(wù)終端，例如美國微軟的Cortana，蘋果公司的Siri等移動終端虛擬語音助手;國內(nèi)的百度語音、科大訊飛等。現(xiàn)在，應用于市場得到語音識別系統(tǒng)針對普通話識別準確率均超過了90%，絕大部分如今已超過95%。2016年9月到10月，美國雷德蒙研究院在電話語音識別的標準庫Switchboard上報道，可達到5.9%的錯誤率（在這個庫上人類也只能達到大概5.9%），機器性能基本與人類持平;而國內(nèi)百度、搜狗、訊飛的連續(xù)三場發(fā)布會上，他們各家均聲稱的語音識別系統(tǒng)性能達到97%.這些均標志著語音識別技術(shù)已經(jīng)成熟。

2.3 語音識別技術(shù)的應用

隨著科學技術(shù)的不斷發(fā)展和進步，許多新技術(shù)被應用于各個領(lǐng)域，有力推動了現(xiàn)代化社會的發(fā)展。語音識別技術(shù)作為近年來最熱的一種先進的技術(shù)，涉及信號處理、語言、心理和計算機等多門學科。大量的語音識別產(chǎn)品己經(jīng)進入市場和服務(wù)領(lǐng)域，被廣泛地應用于智能終端、移動互聯(lián)網(wǎng)應用、金融、電信、汽車、家居、教育等行業(yè)，推動了車載語音、智能客服、智能家居、語音課件等產(chǎn)品的迅猛發(fā)展。近年來國內(nèi)以科大訊飛代表的智能語音廠商紛紛進行市場布局，提供語音識別、語音合成、集成化產(chǎn)品、智能語音云平臺等多樣化能力服務(wù)，引發(fā)汽車、家電、銀行、家居、電信等多領(lǐng)域傳統(tǒng)行業(yè)的應用創(chuàng)新。各行各業(yè)也紛紛以此為契機，大力創(chuàng)新發(fā)展與人工智能技術(shù)結(jié)合的產(chǎn)品及服務(wù)，以提高用戶體驗。

3 人工臺智能語音識別技術(shù)應用淺析

3.1 人工臺現(xiàn)狀分析

某些內(nèi)部人工話務(wù)臺主要用于保障重要領(lǐng)導視察時的電話轉(zhuǎn)接、實現(xiàn)與上下級電話轉(zhuǎn)接以及用戶的電話接續(xù)、查號等功能，而話務(wù)員的水平直接影響到人工電話服務(wù)質(zhì)量。所以，該工作對話務(wù)員的業(yè)務(wù)水平要求高。電話號碼查詢和轉(zhuǎn)接一直是人工臺話務(wù)員的主要工作，然而，話務(wù)員的培訓難度大，訓練周期長。從而制約了人工話務(wù)服務(wù)質(zhì)量水平的提高和業(yè)務(wù)范圍的擴展，而話務(wù)員的水平直接影響到人工電話服務(wù)質(zhì)量。

在人工電話通信保障中，只有通過嚴格考核的話務(wù)員才有資格上崗。目前人工話務(wù)員采用人工識別用戶語音，對于業(yè)務(wù)合格的話務(wù)員仍存在因為心理素質(zhì)不夠高、用戶詢問方式不清楚、話務(wù)員和用戶表達方式存在差異等因素導致報號延遲、報號錯誤的情況;同時由于話務(wù)員對部分用戶方言難以辨別需要向?qū)Ψ街貜蛦栐?，或者進行電話號碼反向核對時讓用戶等待時間較長卻未能及時向用戶解釋，從而導致用戶不滿意的情況。上述種種問題均制約了人工電話服務(wù)質(zhì)量，降低了用戶滿意度。故如何提升人工臺正確率和速度是目前急需解決的問題。

3.2 語音識別技術(shù)在人工臺應用的實現(xiàn)方法

目前，智能語音識別技術(shù)相對比較成熟，已經(jīng)可以實現(xiàn)全自動人機交流，但與人工保障仍存在一定差距?？紤]到特殊領(lǐng)域保密要求高、保障準確率要求高以及反應速度快的具體要求，從語音識別技術(shù)的應用方法入手，結(jié)合內(nèi)部電話號碼及其關(guān)聯(lián)特點，分析內(nèi)部集團用戶需求以及現(xiàn)有保障水平，依托現(xiàn)有特殊領(lǐng)域人工話務(wù)臺保障模式進行應用，在保證其安全性的基礎(chǔ)上可實現(xiàn)智能語音輔助和自動報號兩項功能，具體設(shè)計如下：

如圖1所示是用于話務(wù)員的人工語音識別輔助系統(tǒng)，該系統(tǒng)首先從人工臺聲卡采集用戶語音信號，在服務(wù)器的錄音卡上對聲音進行處理并傳送到語音識別軟件中，通過軟件將語音轉(zhuǎn)換為文字進行關(guān)鍵詞對比搜索，通過服務(wù)器進行可視化處理，最后將結(jié)果傳送至人工臺坐席實現(xiàn)輔助顯示。

如圖2所示是基于語音識別的自動號碼查詢系統(tǒng)，該系統(tǒng)首先在用戶撥打?qū)＞€后從語音中繼卡采集用戶語音信號，在服務(wù)器的錄音卡上對聲音進行處理并傳送到語音識別軟件中，通過軟件將語音轉(zhuǎn)換為文字進行關(guān)鍵詞對比搜索，將對比選擇出的結(jié)果送入服務(wù)器的語音合成核中合成語音，將最終合成的語音結(jié)果通過中繼卡播報給用戶，實現(xiàn)免人工自動號碼查詢系統(tǒng)。

3.3 語音識別技術(shù)在人工臺應用中需解決的關(guān)鍵技術(shù)

如上文所述，特殊領(lǐng)域人工話務(wù)臺由于其在任務(wù)和日常保障中對安全性、反應速度、準確率等方面要求極高的特殊性，其設(shè)計以及測試必將不同于民用語音識別系統(tǒng)，因此需解決以下相關(guān)問題，確保語音識別技術(shù)在特殊領(lǐng)域人工臺保障中發(fā)揮積極作用：

（1）解決用戶語音降噪的問題：從源頭上保證樣本質(zhì)量，確保識別的正確率;

（2）解決對識別結(jié)果進行關(guān)鍵詞提取的問題：在語音識別和對比的過程中確保關(guān)鍵詞找準，避免反復搜索，提高反應速度和準確率。

（3）解決電話號碼庫如何建立且實現(xiàn)用戶關(guān)聯(lián)的問題：特殊領(lǐng)域集團電話號碼不同于民用的地方在于其復雜的關(guān)聯(lián)性和保密性，如需保證識別結(jié)果的準確率并保證其安全，需構(gòu)造相互關(guān)聯(lián)的電話號碼庫，并設(shè)置保密級和優(yōu)先級。

4 結(jié)束語

隨著人工智能行業(yè)的快速發(fā)展。信息技術(shù)領(lǐng)域未來必然是智能化，自動化的主流方向。在語音識別領(lǐng)域?qū)⒋笥锌蔀?，傳統(tǒng)的人工繁瑣的操作將被解放。系統(tǒng)語音智能識別，自動處理將是主流趨勢。在確保某些特殊領(lǐng)域信息安全的情況下，利用語音識別以及相關(guān)人工智能技術(shù)來不斷升級集團內(nèi)部服務(wù)也是時代的要求。在科技不斷發(fā)展的今天，我們應該抓住契機，大力推動智能語音交互等人工智能應用，取代大量、重復性、內(nèi)容定制化的人工服務(wù)及工作內(nèi)容，不斷創(chuàng)新提高工作效率。

參考文獻

[1]英特爾芯片將加入語音識別技術(shù).Siri登陸桌面之日將近[2016-04-26]http：//www.dlworld.cn /YuYinShiBie/32.htr.

[2]武勤.《2015中國智能語音產(chǎn)業(yè)發(fā)展白皮書》發(fā)布[J].計算機網(wǎng)絡(luò)，2016，42（08）：17-17.

[3]胡郁.人工智能與語音識別技術(shù)[EB/OL].[2016-09-28].http：//www.eepw.com.cn/article/201603/288901.htm.

[4]胡祥杰.研報：全球智能語音市場將達200億美元，進入群雄紛爭時代[EB/OL].[2016-09-13].http：//www.jiemian.com/article/648815.html.

[5]王忠，趙惠.移動智能語音產(chǎn)業(yè)鏈治理策略研究[J].科技管理研究，2014（18）：117-120.

[6]吳勇毅.智能語音：移動互聯(lián)新入口爭奪戰(zhàn)[J].上海信息化，2014（10）：42-44.

[7]胡勁松.移動電商安全防范中語音識別技術(shù)的運用探討[J].技術(shù)與應用，2017（10）：17-20.