AI智能电话客服机器人的交互流程
就目前来说语音对话形式的智能客服机器人已经越来越多。人们想要处理什么事情，电话打到客服中心大多数的第一站是智能客服机器人，实在复杂的才有可能会交给人工客服处理。那么你知道智能电话客服机器人是怎么交互的吗？
从交互形式来划分，智能客服包括纯语音（如联信志诚智能客服机器人），纯可视化界面（如一些电商的客服，完全通过界面交互来完成对话）。交互形式没有好坏，这一点同非AI产品一样，根据用户使用场景选择最合适的形式即可。
从产品定义出发，智能客服类产品，最根本的价值在于以低成本取代人工客服工作中大量重复性的部分，再基于这个前提，去挖掘更多商业变现的可能性。人工客服的工作大致分为两种，一种是咨询类的，客服只需回答问题；另一种是申请类的，客服要帮客户完成一些业务办理。
智能语音机器人呼叫流程的交互时序流程（以呼入为例），主要流程为：
1.客户拨打电话给智能语音客服机器人。
2.智能语音客服机器人接听电话后，呼叫中心平台调用业务流程管理接口，启动并初始化对话流程状态图。
3.业务对话流程管理模块初始化对话流程状态图后，发送开场白话术给呼叫中心。
4.呼叫中心平台接受到开场白话术，根据配置选择进行TTS语音合成或者直接播放录制好的录音，并进行放音操作通知客户。
5.客户收到开场白语音后同样做出相应的语音回复，开始进行对话流程。
6.呼叫中心平台收到客户的回复语音后通过MRCP协议调用ASR服务进行语音识别。
7.呼叫中心收到ASR返回的文字结果后，通过HTTP协议调用业务流程对话管理接口进行对话状态更新。
8.业务流程对话管理接收到呼叫中心传来的请求信息后，调用语义解析模块进行语义解析，并根据语义解析的结果选择话术返回给呼叫中心平台并更新对话状态。
9.呼叫中心收到当前话术，根据配置选择进行TTS语音合成或者直接播放录制好的录音，并进行放音操作通知客户。
10.根据配置好的业务流程状态图，重复6-9步骤，直至呼叫对话流程结束。
11.业务对话流程结束后，呼叫中心通知ASR服务结束当前的语音转写时间请求。最终通知业务流程对话管理模块挂机操作，并向呼叫管理平台上报呼叫结果。
而作为智能电话客服机器人的建设者来说，越了解用户的需求，客服机器人才会越智能，与用户交互也会更顺畅。
阿里云智能质检有哪些最佳实践
背景分析智能质检是一个刚性需求，有电话语音坐席、工单服务、IM服务的行业都有质检需求，几乎所有主流行业都需要对产生的服务对话数据进行智能化分析和质量检测。大量服务数据积累随着云计算的快速发展，业务量和客户量的迅速增长，呼叫中心的电话语音、工单系统的文本，以及其他各类渠道的信息，汇总成了庞大的服务数据。在这庞大的服务数据中，如何判断服务人员的服务水平和质量？他们所提供的服务是否符合服务规范？这些数据中是否隐含着业务机遇？是否内含着舆情和风险信息？是否可以提供发现具体业务问题的方法？为了解决此类质量检测问题，需要做大量的数据分析。服务质量亟待提升针对以上问题，许多公司都成立了客服质检团队。然而，粥多僧少，2-3名的质检人员往往需要应对每月上万级的服务数据。在传统质检方式下，如果质检人员随机抽取服务数据进行复核检查，仅凭经验人工筛选出可能存在问题的工单、电话和其他数据。会导致漏检风险大，也不易发现潜在的业务机会与舆情风险。基本业务流程图1所示为智能对话分析服务的基本业务流程。首先，语音数据和文本数据共同构成待检数据，结合业务人员输入的质检规则，智能对话分析服务会产生出匹配结果并通知质检结果处理人，支持处理人进行在线人工校验并保存复核结果，最后，智能对话分析服务支持定期对质检结果进行多维度的统计分析，发现潜在的业务机会、服务风险与舆情问题。创建质检规则在使用智能对话分析服务前必须要先创建质检规则。什么是质检规则呢？例如：客服接通电话后必须说问候语；这就是一条基本的服务规范规则。为了充分的了解并灵活运用强大的质检规则，首先我们需要介绍四个基本名词：规则、条件、检查范围、算子。规则：规则是由逻辑运算符（&&,||,!,!=,==）和条件组成的表达式，如”条件1&&(!条件2)||(key1!=value1)”，其中”等”与”不等”只能用于kv值的判断。运算符中逻辑非（！）的优先级最高，等与不等（==,!=）次之，与或运算符（&&,||）最低，例：a&&!b||k==v会依次计算!b，k==v，及剩下的表达式。可以用括号来改变运算次序，如!（c1&&c2）就会先算c1&&c2。条件：条件由检查范围和算子组成，如「客服的第一句话是“你好”」这个条件的检查范围是「客服说的第一句话」，算子是「出现关键字“你好”」，一个条件内可以包含多个算子组成的逻辑表达式。检查范围：目前支持的检查范围有下面3个基准范围的交集。某个条件（第一次命中或最后一次命中）之（前、后、当句）。角色（客服或客户）。第M句到第N句，M与N的取值范围是从1到N。算子：对检查范围限定的句子逐句做出判定。关键字或正则表达式：检测当前句子是否包含关键字或匹配正则表达式。问句检测：检测当前句子是否是问句。意思重复：检测当前句是否与当前句之前的句子的意思重复。时间间隔：检测当前句与上一句是否间隔超过指定值。字数相近句：检测与参考句子在设置的字数差距以内的句子。语义匹配：检测与给定的多个参考相似度大于设置值的句子。语速检测：检测当前句语速是否超过指定值。以下例子详细讲解了一个完整质检规则的组成。例子：客户向客服提出挂载快照的请求，完成后需要提醒客户挂载快照后的注意事项。这是个相对比较复杂的针对具体业务的服务规范规则。规则=!条件2条件1：客户提出挂载快照请求检查范围：全文客户说过的话算子：匹配“挂载快照”的语义条件2：提醒客户挂载快照后的注意事项检查范围：条件1命中的句子之后，客服说的话算子：匹配“提醒客户挂载快照后的注意事项”的语义图2.规则的详细配置质检任务配置如图3所示创建完规则后，我们就可以在规则列表部分选择一条或者多条规则来执行质检任务。随后，我们需要选择待检的数据集，对里面的数据进行质量检测，配置完成后单击“确认”，这条质检任务请求就会发送到分析引擎。图3.质检任务配置执行质检任务智能对话分析服务引擎获取到待检任务后，会根据待检数据的类型选择不同的处理逻辑。例如发现待检数据是语音文件时，会先做语音识别，再推送到待检数据队列。分析引擎会根据用户选择的规则，调用分析匹配算法模块，对这条数据进行智能化质检，生成最终的结果。质检结果复核如图4所示，智能对话分析引擎执行完质检任务后，从规则质检结果的“查看结果”入口，可以查看结果复核列表，质检人员需要登录到管控台查看质检结果复核列表，对每一条规则命中结果进行复核。我们也可以看到每条命中记录的复核状态、被几条规则命中过、实际违规数以及复核准确率。操作部分可以点击“复核”查看详细的对话数据以及规则命中情况。图4.质检结果复核列表如图5所示是详细的质检结果复核页面，可以看到这个电话语音被这条规则命中的地方，命中的关键词会标红，命中的句子也会高亮显示，这样既有利于提高质检人员的复核效率，又能切实地反映出客服具体的违规点。图5.质检结果复核页面智能对话分析服务使用案例需要解决的问题场景假设某个场景：ECS的客户提出更换磁盘类型，客服人员应该提供正确的解决方案并做出正确引导，质检人员需要通过智能分析服务识别该场景，同时识别客服人员是否进行了正确引导。创建的质检规则如图6所示是质检人员为了解决上面的场景创建的规则，条件a是为了发现客户是否提出了更换磁盘类型的需求，条件a利用正则表达式算子匹配各种类型的更换磁盘类型需求，检测范围是客户说的话，这个条件是这条规则的基础与前提。条件b和条件c都包含两个正则表达式算子，查看客服是否做了“不支持或无法更换磁盘，需要更换系统盘或换服务器系统”这种片面引导。条件b的检测范围是条件a命中之后的客服说的后3句话，条件c的检测范围是条件a命中之前客服说的前3句话，规则的条件间逻辑关系是b||c，这样就能覆盖所有的问题情况。图6.规则详情质检结果复核图7是这条规则命中的数据复核页面，可以看到客户提出了磁盘类型要换成ssd，命中条件a，关键词“换成ssd”被高亮标红,然后继续检测客服说的后3句话，发现命中了条件b，之前设置的片面引导关键词“更换系统盘”被高亮显示。这样，质检人员就精准发现并定位了一个问题案例，可以基于这个案例做服务培训的优化和改进。图7.质检结果复核页面asr语音识别系统的实际应用场景有哪些
一、asr语音识别系统是什么ASR语音识别系统（AutomaticSpeechRecognition）是一种人工智能技术，用于将语音信号转换成文本或其他机器可处理的形式。ASR语音识别系统是通过对语音信号进行数字信号处理、特征提取、声学模型训练和语言模型训练等一系列复杂的算法和技术，将说话者的语音转换成计算机可以理解的文本形式。
ASR语音识别系统广泛应用于语音交互、语音搜索、智能客服、语音翻译等领域，它可以为人们提供更加便捷、高效、自然的交互方式。同时，ASR语音识别系统也面临着一些挑战，比如说话者的口音、噪声、情绪等因素都会影响识别效果，而且不同语言和不同领域的识别效果也存在差异。因此，如何提高ASR语音识别系统的准确率和稳定性，是ASR技术领域的一个重要研究方向。
二、asr语音识别系统的实际应用场景ASR语音识别系统的实际应用场景非常广泛，以下列举几个主要的：
1、语音助手：ASR语音识别系统可以用于智能手机、智能音箱等设备上的语音助手，可以帮助用户通过语音指令完成各种操作，比如拨打电话、发送短信、设置闹钟等。
2、语音搜索：ASR语音识别系统可以用于语音搜索领域，用户可以通过语音输入搜索关键词，系统可以将语音转换为文本形式进行搜索，提高搜索效率。
3、语音翻译：ASR语音识别系统可以用于语音翻译领域，用户可以通过语音输入需要翻译的内容，系统可以将语音转换为文本并进行翻译，提高翻译效率和准确度。
4、语音识别支付：ASR语音识别系统可以用于语音识别支付领域，用户可以通过语音输入支付密码或指令，系统可以将语音转换为文本进行支付操作。
5、语音客服：ASR语音识别系统可以用于语音客服领域，用户可以通过语音与客服人员进行交流，系统可以将语音转换为文本进行处理，提高客服效率和用户体验。
除此之外，ASR语音识别系统还可以应用于无人驾驶、智能家居、医疗健康等领域，为人们提供更加便捷、高效、智能的服务。
三、如何进行情绪语音识别？情绪语音识别是指通过对语音信号进行分析和处理，从中提取出说话者的情绪状态。通常情况下，情绪语音识别可以分为以下几个步骤：
1、数据采集：首先需要采集一些包含不同情绪状态的语音数据，比如愤怒、悲伤、高兴等，这些数据可以来自不同的说话者、不同的语言和不同的场景。
2、特征提取：将采集到的语音信号转换成数字信号，然后进行特征提取。常用的特征提取方法包括短时能量、短时过零率、梅尔频率倒谱系数（MFCC）等。
3、模型训练：利用采集到的语音数据和特征向量，训练出情绪识别模型。通常使用的机器学习算法包括支持向量机（SVM）、决策树、神经网络等。
4、情绪分类：将待识别的语音信号进行特征提取后，利用训练好的模型进行情绪分类。常见的情绪分类包括愤怒、悲伤、高兴、中性等。
目前，情绪语音识别技术已经广泛应用于语音客服、情感分析、语音诊断等领域，可以为人们提供更加智能、便捷、高效的服务。而在进行情绪语音识别时，还需要注意一些技术难点，比如说话者的口音、语速、语调等因素都会影响识别效果，因此如何提高情绪语音识别的准确率和稳定性，是情绪语音识别领域的一个重要研究方向。
沃丰科技ASR语音识别系统采用国际前沿的端到端语音语义一体化建模算法，将语音快速准确识别为文字，支持一句话识别、语音内容分析、机器人对话、智能质检等多个场景。
》》点击免费试用ASR语音识别平台，优势一试便知