(国家电网有限公司客户服务中心北方分中心 天津 300000)
摘要：本文基于系统挖掘呼叫中心所存储的客服录音数据，采用当前比较常用且先进的语音分析技术，分别从情感分析、语音识别等方面，对大量的音频文件、录音文件实施全面、深层次的挖掘；另外，围绕用户行为数据，实施全方位、深层次的挖掘分析，以此来准确把握客户需求，科学规划市场决策，为此领域研究提供些许借鉴。
关键词：语音分析；电力；客户服务；质量检测
需要指出的是，在开展各项客户服务时，若无语音分析，那么在具体的服务范围上，便较难开展智能管理，并且其中许多有价值的信息数据，会在每次的客户服务中出现被流失的情况，进而较难获取服务的各种反馈信息，因此，需要基于当前的客户服务系统架构，对语音分析系统进行准确、全面构建，以此来强化服务感知能力，实现各种数据信息的准确统计与分析，为数据挖掘与信息管理提供可靠助力。本文结合当前实况，以语音分析技术为基础，就电力客户服务质量检测思路探讨如下。
1.语音识别
需要指出的是，以语音分析（ISA）为基础的语音分析系统，在客户服务中心运营管理架构当中，采取切实措施，促进质量的监督广度，以及热线的服务水平与效率，强化客户服务各项内容的深层次分析与管理，对客服自身的业务价值及运营价值进行充分挖掘，以此为客服中心的业务挖掘分析以及运营管理等工作的高效开展，提供决策辅助与数据支撑。
所谓语音识别，从基础层面来分析，即为借助计算机来处理人的语音信号，对其所说内容进行准确识别，另外，还能将语音信号以一种合理、高效的方式，向文本或者命令进行转变。本文借助语音识别技术，在先进的语音系统当中，将此功能予以实现，并为相关功能的达成提供切实支撑，比如提供语音识别服务、消除噪音、对用户语音的声音特征进行全面分析等，这些均有助于功能的实现。
（1）以语音识别为基础向文本转化。针对语音识别来讲，其仅为客户需求分析的第一步，仅能实现语音转变为文本，但其却能够实现录音抽样听取的人工成本的明显降低，防止出现数据来源失真或不完整的情况。（2）以语音识别为基础，对开始与结束进行检测。在语音分析时，需对语音的开始与结束进行检测，如此一来，便能够较好的构建基于语音的数据库，在信号流当中对语音信号进行检测，从中对此处是否为语句的开始点或者结束点进行判断。在整个语音系统当中，因信号在自然对话模式下，或者是多变背景下，易出现句中停顿的情况，尤其是声母爆发前，会存在无声间隙。（3）以语音识别为基础的端点检测。通过端点检测，可以获得比较准确的语音特征，语音能够将VAD激活，从而对当前有无语音进行判断，如果没有语音，那么在输入时，便可不编码。当存在语音识别时，对各词的起、终点进行准确检测。借助此方式，在用户讲话时，识别引擎能够在此同时，对其进行处理，但无需对语音当中多余静音进行处理。（4）以语音识别为基础的噪音消除。在录音或者是处理语音数据时，经常会出现噪音，此时，消除噪音的工作便尤为重要，在语音系统当中，通过借助引擎，准确的过滤背景噪声，因而有着不错的抗噪性能。
2.情感分析
（1）情感识别技术。
借助语音情感识别技术，对客户代表的具体变化及情感状态进行深入分析，如果存在着比较大的情绪波动，尤其是急躁、不耐烦等情绪，此时，系统能够对其进行及时的监测于捕捉，并及时采取可行措施，对其加以解决。此外，还需要指出的是，通过进行情感识别，还能够对用户语音情感进行专门分析。（2）以情感分析为基础的情感特征。当用户利用此服务，且处于通话状态时，将表征情感当中的有效特征进行提取，从语音信号当中获取最准确的情感状态，并以语音韵律的变化给呈现出来；而一般情况下，语音韵律能够借助一些声学特征来开展强度分析，如语音的频谱以及强度、基频等。（3）情感语音数据库。通过构建一个完备且优质的情感数据库，各种情感下的声音数据特征，会在数据库当中逐一被保存下来，因此，可根据现实需要，随时借助此数据库，对其中的语音数据展开所需要的情感分析；需要指出的是，情绪变化不同，情绪的特征强度也会存在差异，而且这些均能得到有效辨别。另外，还可借助情感语句的说话持续长度、说话速度与情感之间的关系，实施深层次分析与对比，如此一来，便能够降耗的对情感数据进行辨别。
3.语音分析技术的当前成果分析
对语速检测、情绪侦测、静音识别及关键词检出等技术进行整合，对语音筛查策略进行梳理，消除或清理服务禁忌语及异常情绪；对客服全局进行准确把握，如果从中发现服务短板，那么可以根据现实需要，进行准确性的改进与优化；针对全量语音自动质检所得到的最终结果，可从不同班组、不同业务类型及不同问题分类等方面为着眼点，实施全面化、深层次分析，从中将问题准确、快速定位，且加以改善。
（1）以语音分析为基础的自动化挖掘。在自动挖掘时，本文运用了语义解析技术，其能够以一种自动化的方式挖掘、分析用户的自然语言，以此为运营决策、运营分析提供切实服务与支撑，并且还能对声音当中的诸如停顿时间、语调语速、声音力度等进行深入分析，然后从中明确说话人是否为生气状态或开心状态。还需强调的是，借助自动挖掘技术还能将部分服务禁语当作关键词来实施监控，通过识别客户代表语言，若发现客户所说为服务禁语，那么可及时实施监控与告警。（2）用户语音分离。对说话者的语言进行分割，将语言数据流当中说话者的变化进行自动检测。将用户的语音分离出来，便于用户需求及质检分析。
4.结语
综上，语音分析能够将客户在交互过程当中的一些录音，自闲置状态向结构化、实用化状态转变，无论是何种比较感兴趣的内容，均能实时检索；并且还能在客户语言当中，准确判定其情绪，反映客服质量与效率，以便能够对客户需求进行准确捕捉。
参考文献：
[1]乔麟, 苏立伟, 陈海燕. 基于语音分析的智能质检系统设计[J]. 电子测试, 2019, 000(002):91-92.
[2]黄鑫, 陈道元, 宋凯,等. 电力系统调度电话语音质量的评价与分析[J]. 电力系统通信, 2019, 030(003):49-51.
[3]郑蓉蓉, 闫珺路, 李莉敏,等. 基于电力ICT业务场景的智能客服创新研究与实践[J]. 电力大数据, 2019, 22(01):71-76.
作者简介：左文超（1984-01-01），男，汉族，籍贯：天津，当前职务：质检员，学历：本科，研究方向：95598客服