什么是外呼机器人，外呼机器人作用是什么
在语音数据系统中也可以得出产品不同的进化思路，录音数据在呼叫中心系统中保存下来，是数据层面的工作;
将录音数据与销售代表打通，可以把同一个座席的所有录音信息都找出来，这样的系统就在信息层面;
接下来如果我们做了一个统计分析的BI系统，或者智能质检系统，这些都是知识层面的能力;
外呼机器人是行动层面的产品，可以替代人工完成一段对话，所以说这是一种终极的产品形态。
细心的你可能会问，有实现决策层面的产品吗?我这里先卖一个关子，等下为大家揭晓。(好奇的你可能会先滑到最后一睹为快)
02
外呼机器人的市场的崛起
2018年上半年的外呼机器人异常火爆，据不完全统计，已经有50-100家企业上线了这个新产品，我们认为市场的崛起主要有以下三方面的原因。
一是人工智能技术的成熟。首先语音识别的准确率在过去的几年中有了显著的提升，实验室环境下的语音识别准确率已经从2013年的87%提高到了2017年的97%。另外在语义理解上，在2018年初也取得了突破，在由美国斯坦福大学组织的阅读理解测试SQUAD中，人工智能第一次取得了比人类更好的成绩。
二是来自于对商业价值的考虑。今天的互联网流量越来越贵，电话反而成为了相对便宜的用户触达渠道，同时一些场景下人工智能能够代替人工，进一步降低了通过这个方式获客的成本。
三是由于电话本身的特点。今天在手机上，电话的打断优先级是最高的，电话可以打断你在使用手机时候的一切行动，逼着你要对一个来电进行选择。电话是一个同步的沟通方式，这种沟通方式在人们长时间的交流中形成了一种默契和礼貌规范。
03
外呼机器人的挑战和风险
了解外呼机器人的挑战和风险才能更加了解技术和产品的边界，在降本增效的同时，尽量不影响用户体验。
首先是语音识别技术的挑战。由于实际环境中有大量的噪音、口音、声源远近等问题，语音识别率只能达到85%左右。在外呼机器人这个领域，短语音识别是一个难点。因为在缺少更多上下文信息的时候，语音识别很难确定你发的音和对应的字之间的关系。比如“laoshi”，这在不同的语境下，可能是指“老师‘，也可能是”老实“。
来自于技术方面的第二个挑战是多轮对话。人的自然语言特别依赖上下文关系。比如说“我想订一个房间”，“什么位置?”，“中关村附近”，“什么时间?”，“周六”......这个例子里面，关于订房间的信息是散落在多轮对话之间的。如何综合全面考虑上下文信息一直是学术界的一项挑战。
第三，人类的对话行为模型非常复杂。因为在外呼机器人场景下，人们期待的是和另一个人之间的交流而不是一台机器。研究显示，人们自然沟通的场景中，发音会含糊，会省略很多字词，也会在句子中突然修改前面的对话信息，这些都给语音识别，语义理解造成了极大的困难。
最后，利用语音合成技术让机器能发出像人自然对话中的抑扬顿挫，并且骗过人是一件非常困难的事情。人的耳朵对于音频的敏感程度远超过人眼对图像的敏感程度，这也让语音合成这件事情的难度更高。
除了技术上的挑战之外，在业务层面外呼机器人的产品形态也存在着诸多风险。
我们今天大部分的外呼机器人都是以营销为主，如果外呼机器人普及而又没有加以限制的话，一般用户将不胜其扰。
今天外呼机器人的接通率已经很低了，接下来的情况可能更糟糕。一方面用户被长期培养出来的习惯是只要是陌生电话就完全不接。另外国家也不会坐视不理，甚至可能出现一刀切的管理，让整个行业都遭受重创。
04
面对挑战和风险，如何能让这个产业持续发展?
核心是己所不欲勿施于人。把我们想象成客户，如果你正在开发的外呼机器人连自己都不想听的话，那你也不要给客户打了。
另外作为行业内部的人员也要自律，设定一些保证用户体验的规则并严格执行，比如对拨打电话频次、时间段、内容等的规定，行业内部需要形成共识。要主动寻求监管，配合国家和各级部门对于话术、录音的备案。
最后我们要为客户创造价值。就像互联网广告刚刚兴起的时候，各种流量劫持，弹屏等让用户不堪其扰，但今天以“千人千面”为代表的更多定制化和更懂客户的服务及广告内容正在逐渐被大家所接受，广告主和用户之间的关系更加和谐。
05
机器人和人之间的行为规范
外呼机器人可能是人类历史上第一次，在不知情的情况下和机器大规模地对话，这是一种崭新的信息交流方式。
人和人之间交流的默契和行为规范，是否仍然适合于人和机器交流呢?
我们是否应该发展出一种新的礼貌规范来约束人和机器之间的交流，继而让人的感受更好呢?
是否要在对话的一开始就自报家门，让对方知道自己是机器人呢?
是否至少通知对方这一通电话可能会被录音呢?
我们再往下想，接下来我的手机上可能会安装一个人工智能小秘书，自动帮我把在通讯录上的电话放进来，然后自动帮我接听陌生来电，自动帮我记录对话内容，之后给我发一个会议纪要。
再比如说也可以像网站对待搜索引擎的检索一样，约定一个机制告诉对方，我不希望接听任何机器人来电，请帮我自动过滤等等。
06
语音机器人家族
说到这里，我们谈的都是外呼机器人的问题，而外呼机器人不等于语音机器人，语音机器人的应用更加广泛。我们一起来看一下语音机器人家族的其它成员。
教练机器人：
在座席和客户沟通过程中，教练机器人会实时地给出对话的提示，包括阶段话题的顺序，问题的解答，客户画像的自动提取，实时质检，客户转化率或者满意度的评分。
AI教练，就是我们前面提到的决策层的产品，因为它在你对话的过程中，实时告诉你，应该说什么怎么说。虽然它还不能代替你说，但我们认为这个产品是外呼机器人发展的必由之路，因为机器可以在真实对话中学习人类说话的方式，让我们的外呼机器人越来越智能，能适用的情况越来越多。
陪练机器人：
外呼机器人的角度是模拟销售代表给客户打电话，陪练机器人的角度模拟客户，陪销售代表进行对练，适用于新人入职培训的场景。
实体机器人：
不难想象当包括国内的天猫、小米、京东等智能音箱，或者人形机器人变得越来越普及的时候，我们希望能够直接通过他们得到某项产品的服务。这个时候语音是很关键的一项技术。
什么是外呼机器人，外呼机器人作用是什么
悟空话务机器人（http://www.hzdaba.com）返回搜狐，查看更多
智能机器人语音识别技术详细解析
语音控制的基础就是语音识别技术，可以是特定人或者非特定人的。非特定人的应用更为广泛，对于用户而言不用训练，因此也更加方便。语音识别可以分为孤立词识别，连接词识别，以及大词汇量的连续词识别。对于智能机器人这类嵌入式应用而言，语音可以提供直接可靠的交互方式，语音识别技术的应用价值也就不言而喻。
如今智能语音设备或者机器人很多，如智能手机（例如Cortana，Siri，OkGoogle，。。。），个人助理（例如GoogleHome，AmazonEcho，。。。），交互式语音应答（银行，应答机，。。。。。。），语音机器人（电话机器人、客服机器人、电销机器人，……），在生活中很常见，表现都让人惊喜。同时他们工作原理也大致相同。
1语音识别概述
语音识别技术最早可以追溯到20世纪50年代，是试图使机器能“听懂”人类语音的技术。按照目前主流的研究方法，连续语音识别和孤立词语音识别采用的声学模型一般不同。孤立词语音识别一般采用DTW动态时间规整算法。连续语音识别一般采用HMM模型或者HMM与人工神经网络ANN相结合。语音的能量来源于正常呼气时肺部呼出的稳定气流，喉部的声带既是阀门，又是振动部件。语音信号可以看作是一个时间序列，可以由隐马尔可夫模型（HMM）进行表征。语音信号经过数字化及滤噪处理之后，进行端点检测得到语音段。对语音段数据进行特征提取，语音信号就被转换成为了一个向量序列，作为观察值。在训练过程中，观察值用于估计HMM的参数。这些参数包括观察值的概率密度函数，及其对应的状态，状态转移概率等。当参数估计完成后，估计出的