人工智能语音技术在水务客服领域的应用研究

发布时间：2020-10-10 00:58

　　近年来,人工智能技术迅猛发展,智能语音人机交互技术是炙手可热的技术之一。以萧山供水为例,主要阐述智能语音人机交互技术的产业发展现状,分析其在水务客服领域的应用实践,提出在实际应用过程中的相关建议。
【部分图文】：

架构图,萧山,智能,语音

2.3.1 萧山供水智能语音服务系统具备的能力萧山供水智能语音服务系统是一个具备语音识别、语音合成、语义理解能力的智能语音导航系统，具体应用在两大核心服务内容：一是智能IVR互动式语音应答，用户在说出自己的业务需求后，系统自动匹配到相应的数据库并转移至相应的服务技能组中。二是智能语音服务，用户说出自己的业务需求后，系统自动跳转至相应的问题解答知识库中，并用语音播报出用户的服务需求。通过智能语音服务系统，可以实现客服系统用户菜单的扁平化，使得用户快速获取所需要的业务信息，提升用户体验感。同时作为人工服务的延伸和拓展，智能语音服务系统可以充当两种角色，一是作为人工服务的前端资源，系统可以优先替人工客服解决部分问题，减小人工坐席的业务压力；二是作为人工服务的后备资源[9]，在人工忙时，引导用户使用系统进行自主服务，可提高接通率，大幅减轻忙时人工坐席压力。

语音,智能

萧山供水智能语音服务系统当前存在特殊地名识别准确率较差、复杂通话场景抗干扰能力较弱等问题。针对此类问题，合作方基于Attention模型的核心思想，通过机器学习（Machine Learning,ML）的方法构建了Hybrid CNN即混合的Attention CNN模型，用于构建语音识别声学模型的全局优化，仿照人类视觉机制，同时也借鉴人类大脑处理的一些优势，堪称目前效果更好、资源占用更小、模型更灵活的语音识别框架。具体来说，在DF-CNN基础上，将传统卷积使用扩张卷积（Dilatedconv）代替，让每个卷积输出都包含更大范围的信息，使得模型不使用池化层（Pooling）也可以看到很长的语音段信息，从而实现对语音长时相关性的更精确的表达。与此同时，还引入了基于长短期记忆网络（Long Short-Term Memory,LSTM）的门控机制（Gated Mechanism,GM），使得Hybrid-CNN在长时相关性建模的过程中，能快速地过滤噪声等干扰信息，并加强语境等长时信息，进一步提升模型的抗干扰能力，从而在实际应用中能够保障高噪声等复杂场景的语音识别效果。图3 智能语音服务系统转写准确率

变化图,智能,语音,准确率

智能语音服务系统转写准确率

【相似文献】