基于交互式語音應答的語音服務熱線的研究

劉向宇

0 引言

當前社會已經(jīng)從工業(yè)經(jīng)濟時代進入到“電子商務”時代，全球經(jīng)濟一體化進程不可逆轉，企業(yè)市場競爭環(huán)境日趨激烈。各個企業(yè)都在尋找新的客戶服務以及與此相關的營銷解決方案。如何進一步提高客戶服務水平，維系老客戶，拓展新客戶，不斷提高客戶滿意度和忠誠度，保證業(yè)務成交量持續(xù)增長和市場份額的擴大，已成為所有企業(yè)的一項重要工作。放眼全球，無論世界500強的跨國企業(yè)巨頭，還是國內(nèi)名不見經(jīng)傳的小企業(yè)，對客戶以及客戶服務的重視，都達到了前所未有的高度。

交互式語音應答(IVR, Interactive Voice Respond)[1]系統(tǒng)允許在沒有操作員的情況下，建立和管理完全自動的電話服務, 以計算機數(shù)字語音處理技術為基礎, 將通信、語音處理技術和數(shù)據(jù)庫服務，集成到一起來實現(xiàn)各種應用系統(tǒng)的需求[6]。IVR可以提高呼叫服務的質(zhì)量、減輕服務員的工作強度并節(jié)省費用，是呼叫中心實現(xiàn)人機交互的重要門戶。IVR是以普通電話機為用戶界面, 為客戶提供通過語音和電話按鍵進行交流的系統(tǒng)?？蛻敉ㄟ^電話的按鍵向系統(tǒng)提出問題或要求, IVR 系統(tǒng)則通過錄音或合成語音來回復客戶的要求。IVR不僅可以減少甚至取代業(yè)務代表的操作，達到改善客戶服務質(zhì)量、提高工作效率、節(jié)約人力、實現(xiàn)24小時服務的目的，同時也可方便用戶，減少用戶等候時間，增加呼叫數(shù)量，降低電話轉接次數(shù)。并且，IVR是實現(xiàn)并發(fā)量大的交互式娛樂互動的最佳方式。同時，IVR也被認為是呼叫中心最大限度節(jié)省費用的有效途徑。

1 系統(tǒng)體系的結構

1.1 IVR系統(tǒng)的結構

本系統(tǒng)將安裝有語音卡的 IVR 服務器和公用電話網(wǎng)絡相連，把計算機和電話機的優(yōu)勢有機地結合，以聲音作為媒介，通過電話機來完成數(shù)據(jù)的傳送和獲取，由計算機來保存和處理這些數(shù)據(jù)，達到系統(tǒng)自動受理的目的[2]。系統(tǒng)的核心是電話語音卡，它是計算機與電話通信的樞紐，實現(xiàn)把電話輸入轉換成具體語音信息的功能。

1.2 電話語音自動應答流程控制

當程序?qū)φZ音卡進行初始化之后，語音卡的4路通道處于電話待機狀態(tài)。用戶通過公用電話交換網(wǎng)絡與安裝了語音卡的服務器自動接通后，自動語音應答模塊向用戶提供菜單式語音選擇提示。用戶通過電話按鍵選擇需要使用的功能。系統(tǒng)獲得用戶的電話按鍵之后，通過數(shù)據(jù)存取模塊獲取所需要的數(shù)據(jù)，最后將數(shù)據(jù)存取結果,通過文語轉換通過電話播放給用戶，其程序結構流程,如圖1所示：

圖1 交互語音應答流程

2 電話語音互動菜單

2.1 語音菜單數(shù)據(jù)結構

電話語音菜單采用樹狀結構，該樹狀結構有一個根節(jié)點、若干個子結點和若干個頁結點。其中這個樹的最大度數(shù)m，樹的高度一般不超過3。因為電話機數(shù)字鍵從0到9，所以定義樹的每個結點的度數(shù)m≤9。定義根結點的標號=0；如果根結點有9個子結點，則第一個子結點的標號=1，九個子結點的標號=9；結點標號=1的子結點的標號=11，結點標號=1的第 n個子結點的標號=1n（其中 n≤9）。樹根結點為語音菜單的接入結點，樹的每個內(nèi)部結點為語音菜單功能分類，葉結點為語音菜單具體功能選擇。

2.2 語音菜單訪問流程和算法

當語音菜單進行初始化之后，菜單自動進入根結點，當前訪問結點的標號為0。遍歷當前結點的子結點并播放語音提示，根據(jù)語音卡獲取的電話按鍵訪問子結點。如果電話按鍵是‘*’鍵則訪問當前結點的父結點；如果電話按鍵是數(shù)字鍵則訪問當前結點的子結點，并修改當前結點值為訪問結點。如果當前結點為葉結點則調(diào)用功能函數(shù)，如果不是葉結點則繼續(xù)訪問該結點的子結點。具體的流程，如圖2所示：

圖2 語音菜單訪問流程

訪問當前結點的子結點的算法為：如果當前結點不是葉結點，則訪問結點標號=當前結點標號*10+第 n個子結點（n≤9）。訪問當前結點的父結點的算法為：訪問結點標號=當前結點標號整除以10。

3 系統(tǒng)的實現(xiàn)

Dialogic D/4PCI 4路語音卡與交互式語音應答語音服務熱線實際需要的功能和業(yè)務規(guī)模相符，這套系統(tǒng)采用Dialogic D/4PCI 4路語音卡進行語音處理。Dialogic D/4PCI 4路語音卡，在一片卡上可接4 條模擬電話線。

3.1 編程模式

語音卡采用信號計算總線(SCbus, Signal Computing Bus),為第三代時分多路(TDM)資源分配總線, 允許在多個數(shù)據(jù)線路上的資源中的信息傳送和接收[3]。為了能夠同時處理多路電話的接入,語音開發(fā)庫提供了異步和同步的編程模式。每個I/O 函數(shù)均能異步或同步運作。

本系統(tǒng)采用一片路語音卡并無擴展要求，所以采用“多線程同步編程模式”來控制 4條電話通道。通過函數(shù)AfxBeginThread(ThreadProc,&icnt,THREAD_PRIORITY_NORMAL)實現(xiàn)多線程監(jiān)聽4路通道。

3.2 事件響應的主控制程序

Dialogic封裝了Dialogic SRL(Standard Runtime Library，標準運行時庫)的 API函數(shù)庫[4], 函數(shù)主要是為了對所有的Dialogic設備提供事件處理和其他功能通用接口。Dialogic D/4PCI 電話語音卡提供4 條語音處理通道，并可直接與模擬電話線路相連。板上獨特的雙處理器結構（Digital signal processor）和通用微處理器（CPU）組成，可幫助主機處理低層任務，極大地減輕主機任務處理的負擔。因此，能實時、高效地控制多條線路上的多個任務。它能準確、可靠地收發(fā)雙音頻撥號（DTMF）及其它電話信令如用戶掛機信號。使用 Dialogic 函數(shù) int dx_open(char *device_name, int open_mode)[5]來打開 Dialogic 的設備。其中，device_name用來標識一個Dialogic 資源，資源的名字按照Dialogic 標準命名方法。模擬設備以 dxxxBxCx 來命名，模擬卡名字以”dxxx”為前綴，B（Board）后面的x 代表模擬卡的序號，C（Channel）后面的 x 代表該序號模擬卡上的通道號。在我們的計算機上，D/4PCI 卡有4 個語音資源和4 個模擬線路接口資源。則4個通道的名字名字分別是：dxxxB1C1、dxxxB1C2、dxxxB1C3、dxxxB1C4。首先，需要知道系統(tǒng)里面有多少塊模擬語音卡存在，使用 Dialogic函數(shù)sr_getboardcnt(DEV_CLASS_VOICE,&BoardCnt)來檢測，參數(shù) DEV_CLASS_VOICE 表示要取回系統(tǒng)內(nèi)的模擬語音卡的數(shù)。使用獲取通道數(shù)函數(shù) ATDV_SUBDEVS(int dev)，獲得通道名函數(shù)ATDX_CHNAMES(int dev)，參數(shù)dev為合法的 Dialogic設備句柄, 由 dx_open()函數(shù)得到。使用函數(shù)int dx_wtring(int dev,int rings,int hstate,int timeout)來等待電話的呼叫。該函數(shù)在指定的電話通道上等待由rings 指定次數(shù)的震鈴或等待超時后返回。其中，dev 是打開的設備的句柄，它表示在哪一個打開的電話通道上等待電話。rings是在函數(shù)返回前需要等待到的震鈴次數(shù)，一般設置為 2 就可以。hstate是表示函數(shù)等待到指定次數(shù)的震鈴后，將通道設置為什么狀態(tài)。通道有兩種狀態(tài)分別對應電話的掛機和摘機，On-Hook 和 Off-Hook。Dialogic 定義了兩個常量DX_ONHOOK 和DX_OFFHOOK 來代表這兩種狀態(tài)。

3.3 播放語音和接收按鍵的屬性及終止條件設置

1) 輸入/輸出轉移表DX_IOTT

DX_IOTT 數(shù)據(jù)結構包含輸入/輸出轉移表的參數(shù)。DX_IOTT結構確定聲音數(shù)據(jù)的一個來源或者目的地。它被用于dx_play()以及dx_rec()函數(shù)。DX_IOTT 結構描述單個的數(shù)據(jù)的傳輸, 到達或來自一個文件、內(nèi)存塊或者定制設備。如果異步運行,DX_IOTT 數(shù)據(jù)必須保持在函數(shù)持續(xù)期間的范圍中。

2) DV_TPT 結構

DV_TPT 終止參數(shù)表用來設置多種 Dialogic 語音卡產(chǎn)品的輸入/輸出函數(shù)終止條件。輸入/輸出函數(shù)dx_clrtpt ()、dx_getdig()、dx_play ()、dx_rec ()和 dx_playtone ()使用這個結構。當設置在 DV_TPT 內(nèi)的條件之一發(fā)生, 輸入/輸出函數(shù)將結束。如果你設置不止一個結束條件, 發(fā)生的第一個將結束該輸入/輸出函數(shù)。DV_TPT 結構可以配置為一個鏈表或者陣列, 每 DV_TPT 指定一種終止的條件。例如通過該參數(shù)表可以設定播放的終止條件:播到文件末端, 接收到一個或多個按鍵, 或接收到一個掛機音頻等。

3) 播放語音的函數(shù)

IVR系統(tǒng)通過播放事先錄制好的語音信息指導用戶通過電話操作。函數(shù)dx_play() 在一個指定的信道上播放已記錄的聲音數(shù)據(jù)或者傳輸模擬展示服務接口(ADSI, Analog Display Services Interface)的數(shù)據(jù)。聲音數(shù)據(jù)可以來自數(shù)據(jù)文件, 存儲器或者定制設備的任何結合。該函數(shù)在 srllib.h、dxxxlib.h 聲明為 int dx_play(int chdev, DX_IOTT *iottp,DV_TPT *tptp, unsigned short mode); 其中有四個參數(shù)。參數(shù)chdev 為合法的 Dialogic 通道設備句柄, 由 dx_open()函數(shù)得到。參數(shù)iottp 為指向輸入輸出傳輸表結構的指針。參數(shù)tptp 為指向終止參量表結構的指針。參數(shù)mode 為該播放任務的異步/同步播放模式的位標識。使用DV_ TPT 結構確定播放的結束條件。播放持續(xù)直到全部在 DX_ IOTT 里指定的數(shù)據(jù)已經(jīng)被播放完畢, 或者直到在 DV_TPT 里指定的那些條件之一滿足。

當 dx_play( )終止時, 當前信道的狀態(tài)信息, 包括終止的原因, 可以使用擴展的屬性函數(shù)來訪問。異步的播放終止由 TDX_PLAY 事件來指示。dx_play()終止之后, 使用ATDX_TERMMSK()函數(shù)來確定終止的原因。如果握手和輸送是成功的, 函數(shù)正常地結束, 伴隨用ATDX_TERMMSK ()返回的終止標識TM_EOD(錄音重放到達數(shù)據(jù)末端), 來表明操作已完成。使用標準運行庫(SRL)的事件管理函數(shù)來處理終止事件。

4) 取得按鍵的函數(shù)

用戶通過電話按鍵在服務系統(tǒng)進行菜單選擇。dx_getdig()函數(shù)收集來自一個信道字符緩沖的字符。在函數(shù)的終止時, 收集成的字符以 ASCII 的格式被寫進入如DV_DIGIT 結構安排的局部緩沖。該函數(shù)描述為:int dx_getdig(int chdev, DV_TPT *tptp, DV_DIGIT *digitp, unsigned short mode); 其中, chdev 為合法的Dialogic 通道設備句柄, 該句柄當使用dx_open()函數(shù)打開通道時獲得。tptp為指向終止參量表結構的指針。digitp 為指向用戶字符緩沖結構的指針。

4 仿真測試

基于以上設計思路建立系統(tǒng)軟件，通過多門電話撥打4路電話，對系統(tǒng)自動應答功能和語音菜單功能選擇進行測試。

4.1 測試環(huán)境

1)系統(tǒng)硬件環(huán)境：一塊Dialogic D/4PCI 4路模擬語音卡和一臺IBM服務器，雙核2.4GHz,2G內(nèi)存；4條同號碼的電話線路。

2)系統(tǒng)平臺環(huán)境：服務器操作系統(tǒng) Microsoft Windows 2003 Server和Dialogic System Release 6.0驅(qū)動。

4.2 測試方法

1) 電話訪問自動應答測試 多門電話同時撥打4路電話號碼，檢測語音卡接聽響應時間以及 4路電話同步實現(xiàn)情況。

2)語音菜單功能選擇測試 測試語音菜單按鍵訪問響應時間已經(jīng)語音播放延時和準確性。

4.3 測試結果

經(jīng)測試證實，4路信號同時接通響應時間正常，多線程同步編程模式控制4路語音卡接聽信號正常，沒有出現(xiàn)控制混亂情況。電話按鍵信號接收和語音播放正常，使用情況良好, 通道沒有發(fā)生因為忙音、無人接聽以及關機, 也沒有出現(xiàn)語音播放時間而出現(xiàn)死循環(huán)。 測試結果表明：采用多線程同步編程模式控制4路語音卡，通過電話按鍵能準確與語音卡服務器進行信息交互。

5 結束語

本文設計的系統(tǒng)能夠提供自動應答和語音菜單訪問2個主要功能，系統(tǒng)除具有一般IVR 程序自動語音應答功能外，通過語音菜單訪問,能比較方便地實現(xiàn)一些語音服務的擴展功能，如語音點播，根據(jù)用戶按鍵獲取信息實現(xiàn)數(shù)據(jù)檢索等等的服務項目。語音菜單播放錄音文件進行提示，服務項目和菜單修改復雜，將菜單語音提示改進為通過文語轉換播放是今后努力的方向。

[1]肖熙,王俠,王作英. 基于語音卡實時數(shù)據(jù)采集的電話語音識別系統(tǒng). [J]計算機工程與應用 ，2003,17

[2]任淑霞，趙政. 基于多通道語音卡的招投標專家系統(tǒng).[J]計算機工程 ，2010,3

[3]陳簫楓，潘保昌，鄭勝林，趙全友.用語音卡實現(xiàn)電話與電腦的信息交互. [J]微計算機信息 2007,10-3

[4]譚保華, 吳堅，熊健民. Dialogic語音卡通道清空的分析與實現(xiàn). [J]湖北工業(yè)大學學報, 2006, 2

[5]Intel Dialogic Corporation. Voice Software Reference:Standard Runtime Library for Windows. Intel Dialogic System Release 5.1.1 Feature Pack 1 for Windows Release Guide, 2002

[6]曹靜. 開源交互語音應答系統(tǒng)的應用. [J]計算機與現(xiàn)代化 2010，10