语音质检方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种语音质检方法、装置、设备及存储介质，所述方法包括：获取待检测语音文本数据；将所述待检测语音文本数据输入第一机器学习模型以获取第一质检结果；将所述待检测语音文本数据输入第二深度学习模型以获取第二质检结果；根据所述第一质检结果和所述第二质检结果确定目标质检结果。本发明专利技术实施例结合了机器学习和深度学习的优点，既可以对客服语音服务内容进行多角度的质检类别识别，又可以对客服语音服务内容全文进行综合的语义理解，做到了全面、准确、快速的识别，提高了客服语音质检的准确性和效率，扩展了原有企业客服语音质检方法的广度和深度。

【技术实现步骤摘要】
语音质检方法、装置、设备及存储介质
本专利技术实施例涉及人工智能
，尤其涉及一种语音质检方法、装置、设备及存储介质。
技术介绍
随着服务行业和互联网的不断发展，用户对在线客服质量要求越来越高，提升企业客服语音服务质量，将成为企业良好形象和长久发展的有力支撑。要提升客服语音服务质量，则需要对客服语音进行检测。传统的客服语音检测方式是人工审核，客服语音质检专员对客服语音进行逐条检测，然后给出检测结果，这种检测方式得到的检测结果一般比较准确且详细，但是效率低下，且需要花费大量的人工成本，不适用于大中型企业。目前也有通过设置一定的规则提取客服语音中的关键字进行客服语音检测，这种检测方法的检测速度较快，企业容易部署，但是需要大量的人工标注数据，且只能识别关键字所指定的特定内容，灵活性差，容易漏检。
技术实现思路
本专利技术实施例提供一种语音质检方法、装置、设备及存储介质，以提高客服语音质检的准确性和效率。第一方面，本专利技术实施例提供一种语音质检方法，包括：获取待检测语音文本数据；将所述待检测语音文本数据输入第一机器学习模型以获取第一质检结果；将所述待检测语音文本数据输入第二深度学习模型以获取第二质检结果；根据所述第一质检结果和所述第二质检结果确定目标质检结果。进一步的，所述获取待检测语音文本数据包括：获取待检测音频数据；通过语音识别将所述待检测音频数据转换为待检测语音文本数据。进一步的，获取待检测音频数据之后，还包括：<br>对所述待检测音频数据进行情感检测，以获取情感质检结果；对所述待检测音频数据进行语速检测，以获取语速质检结果。进一步的，所述待检测语音文本数据包括多个待检测文本语句，将所述待检测语音文本数据输入第一机器学习模型以获取第一质检结果，包括：通过正则表达式确定当前待检测文本语句中是否包括预设关键字；若当前待检测文本语句中包括预设关键字，则根据所述预设关键字的信息确定关键字质检结果；若当前待检测文本语句中不包括预设关键字，则将所述当前待检测文本语句输入第一机器学习模型以获取模型质检结果；遍历待检测文本数据中的所有待检测文本语句，根据所有关键字质检结果和模型质检结果确定第一质检结果。进一步的，根据所述第一质检结果和所述第二质检结果确定目标质检结果，包括：根据所述情感质检结果、所述语速质检结果、所述第一质检结果和所述第二质检结果确定目标质检结果。进一步的，将所述待检测语音文本数据输入第一机器学习模型以获取第一质检结果之前，还包括：对多个样本语音文本数据进行预处理以获取样本关键字的数学表达；通过预设词向量模型将所述样本关键字表示为样本词向量；根据所述样本关键字的数学表达和所述样本词向量生成训练词向量；将所述训练词向量输入预设模型进行训练，通过网格搜索和交叉验证将训练好的预设模型作为第一机器学习模型。进一步的，将所述待检测语音文本数据输入第二深度学习模型以获取第二质检结果之前，还包括：根据预训练模型获取初始化参数；根据所述初始化参数对预设深度学习模型进行训练，通过动态调参将训练好的预设深度学习模型作为第二深度学习模型。第二方面，本专利技术实施例提供一种语音质检装置，包括：文本数据获取模块，用于获取待检测语音文本数据；第一质检结果获取模块，用于将所述待检测语音文本数据输入第一机器学习模型以获取第一质检结果；第二质检结果获取模块，用于将所述待检测语音文本数据输入第二深度学习模型以获取第二质检结果；目标质检结果获取模块，用于根据所述第一质检结果和所述第二质检结果确定目标质检结果。第三方面，本专利技术实施例提供一种计算机设备，所述计算机设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术任意实施例提供的语音质检方法。第四方面，本专利技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术任意实施例提供的语音质检方法。本专利技术实施例结合了机器学习和深度学习的优点，既可以对客服语音服务内容进行多角度的质检类别识别，又可以对客服语音服务内容全文进行综合的语义理解，做到了全面、准确、快速的识别，提高了客服语音质检的准确性和效率，扩展了原有企业客服语音质检方法的广度和深度。附图说明图1为本专利技术实施例一提供的一种语音质检方法的流程示意图；图2为本专利技术实施例二提供的一种语音质检方法的流程示意图；图3为本专利技术实施例三提供的一种语音质检装置的结构示意图；图4为本专利技术实施例四提供的一种计算机设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，“多个”、“批量”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。实施例一图1为本专利技术实施例一提供的一种语音质检方法的流程示意图，可适用于企业客服语音服务内容的质量检测。如图1所示，本专利技术实施例一提供的语音质检方法包括：S110、获取待检测语音文本数据。具体的，待检测语音文本数据是指需要进行质量检测的客服语音信息所转换成的文本语句信息，这其中仅包括客服人员的语音信息转换得到的文本信息，不包括与客服人员对话的用户的语音信息。S120、将所述待检测语音文本数据输入第一机器学习模型以获取第一质检结果。具体的，第一机器学习模型是指以有监督学习方法为主，通过人工构造有用特征而预先训练好的机器学习模型，如机器学习分类模型XGBoost、LightGBM、SVM(SupportVectorMachine，支持向量机)等。第一机器学习模型中包含大量已经根据质检标准分类好的样本数据，将待检测语本文档来自技高网...

【技术保护点】
1.一种语音质检方法，其特征在于，包括：/n获取待检测语音文本数据；/n将所述待检测语音文本数据输入第一机器学习模型以获取第一质检结果；/n将所述待检测语音文本数据输入第二深度学习模型以获取第二质检结果；/n根据所述第一质检结果和所述第二质检结果确定目标质检结果。/n

【技术特征摘要】
1.一种语音质检方法，其特征在于，包括：
获取待检测语音文本数据；
将所述待检测语音文本数据输入第一机器学习模型以获取第一质检结果；
将所述待检测语音文本数据输入第二深度学习模型以获取第二质检结果；
根据所述第一质检结果和所述第二质检结果确定目标质检结果。


2.如权利要求1所述的方法，其特征在于，所述获取待检测语音文本数据包括：
获取待检测音频数据；
通过语音识别将所述待检测音频数据转换为待检测语音文本数据。


3.如权利要求2所述的方法，其特征在于，获取待检测音频数据之后，还包括：
对所述待检测音频数据进行情感检测，以获取情感质检结果；
对所述待检测音频数据进行语速检测，以获取语速质检结果。


4.如权利要求3所述的方法，其特征在于，所述待检测语音文本数据包括多个待检测文本语句，将所述待检测语音文本数据输入第一机器学习模型以获取第一质检结果，包括：
通过正则表达式确定当前待检测文本语句中是否包括预设关键字；
若当前待检测文本语句中包括预设关键字，则根据所述预设关键字的信息确定关键字质检结果；
若当前待检测文本语句中不包括预设关键字，则将所述当前待检测文本语句输入第一机器学习模型以获取模型质检结果；
遍历待检测文本数据中的所有待检测文本语句，根据所有关键字质检结果和模型质检结果确定第一质检结果。


5.如权利要求4所述的方法，其特征在于，根据所述第一质检结果和所述第二质检结果确定目标质检结果，包括：
根据所述情感质检结果、所述语速质检结果、所述第一质检结果和所述第二质检结果确定目标质检结果。


6.如权利要求1所述的方...

【专利技术属性】
技术研发人员：顾晓雪，谢翀，赵豫陕，
申请(专利权)人：深圳乐信软件技术有限公司，
类型：发明
国别省市：广东;44