客服语音识别方法、装置、服务器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客服语音识别方法、装置、服务器及存储介质，所述方法包括：对待识别音频数据进行端点检测，以获取多个单句音频数据；通过预设声学模型确定所述多个单句音频数据对应的多个第一文本数据，所述预设声学模型基于客服语音数据构建；通过预设语言模型确定所述多个第一文本数据对应的多个第二文本数据，所述预设语言模型基于线上客服文本数据构建。本发明专利技术实施例通过将基于客服语音数据构建的预设声学模型与基于线上客服文本数据构建的语言模型相结合，提高了客服语音识别的精确度。

【技术实现步骤摘要】
客服语音识别方法、装置、服务器及存储介质
本专利技术实施例涉及电子商务
，尤其涉及一种客服语音识别方法、装置、服务器及存储介质。
技术介绍
随着电子商务的发展，电子商务客服的服务质量问题已越来越受重视。对语音客服的服务质量问题进行评判时，通常先将语音客服的音频数据通过语音识别转换成文本数据，再对本文数据进行分析，评判服务质量。目前大多采用语音识别模型将音频数据转换成文本数据，例如高斯混合隐马尔可夫模型、深度学习模型等。这些模型通常采用语音客服的音频数据进行训练，然而客服人员在提供服务时，吐字不清晰、语义表达不准确等情况时有发生，这就导致训练得到的模型存在错别字率高、角色识别不明确等问题，从而使得模型的识别精确度降低。
技术实现思路
本专利技术实施例提供一种客服语音识别方法、装置、服务器及存储介质，以提高客服语音识别的精确度。第一方面，本专利技术实施例提供一种客服语音识别方法，包括：对待识别音频数据进行端点检测，以获取多个单句音频数据；通过预设声学模型确定所述多个单句音频数据对应的多个第一文本数据，所述预设声学模型基于客服语音数据构建；通过预设语言模型确定所述多个第一文本数据对应的多个第二文本数据，所述预设语言模型基于线上客服文本数据构建。进一步的，所述通过预设声学模型确定所述多个单句音频数据对应的多个第一文本数据之前，还包括：通过预设性别分类模型确定每个单句音频数据的角色性别。进一步的，所述通过预设声学模型确定所述多个单句音频数据对应的多个第一文本数据包括：若所有单句音频数据的角色性别都相同，则通过预设声学模型确定所述多个单句音频数据对应的多个第一文本数据。进一步的，所述通过预设语言模型确定所述多个第一文本数据对应的多个第二文本数据之后，还包括：通过预设角色分类模型确定每个第二文本数据的角色身份，所述预设角色分类模型基于线上客服文本数据构建。进一步的，所述通过预设性别分类模型确定每个单句音频数据的角色性别之后，还包括：若并非所有单句音频数据的角色性别都相同，则获取所述待识别音频数据对应的客服人员性别；若单句音频数据的角色性别与所述客服人员性别相同，则确定所述单句音频数据的角色身份为客服人员；若单句音频数据的角色性别与所述客服人员性别不同，则确定所述单句音频数据的角色身份为用户。进一步的，所述通过预设声学模型确定所述多个单句音频数据对应的多个第一文本数据包括：通过预设声学模型确定已经确定角色身份的所述多个单句音频数据对应的多个第一文本数据。进一步的，所述通过预设声学模型确定所述多个单句音频数据对应的多个第一文本数据包括：提取所述多个单句音频数据对应的多个单句音频特征；将所述多个单句音频特征输入预设声学模型，得到多个第一文本数据。第二方面，本专利技术实施例提供一种客服语音识别装置，包括：端点检测模块，用于对待识别音频数据进行端点检测，以获取多个单句音频数据；第一文本数据确定模块，用于通过预设声学模型确定所述多个单句音频数据对应的多个第一文本数据，所述预设声学模型基于客服语音数据构建；第二文本数据确定模块，用于通过预设语言模型确定所述多个第一文本数据对应的多个第二文本数据，所述预设语言模型基于线上客服文本数据构建。第三方面，本专利技术实施例提供一种服务器，包括：一个或至少一个处理器；存储装置，用于存储一个或至少一个程序，当所述一个或至少一个程序被所述一个或至少一个处理器执行，使得所述一个或至少一个处理器实现本专利技术任意实施例提供的客服语音识别方法。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客服语音识别方法。本专利技术实施例通过将基于客服语音数据构建的预设声学模型与基于线上客服文本数据构建的语言模型相结合，提高了客服语音识别的精确度。附图说明图1为本专利技术实施例一提供的一种客服语音识别方法的流程示意图；图2为本专利技术实施例二提供的一种客服语音识别方法的流程示意图；图3为本专利技术实施例三提供的一种客服语音识别装置的结构示意图；图4为本专利技术实施例四提供的一种服务器的结构示意图。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客服语音识别方法的流程示意图，本实施例可适用于电子商务领域的客服语音识别。如图1所示，本专利技术实施例一提供的客服语音识别方法包括：S110、对待识别音频数据进行端点检测，以获取多个单句音频数据。具体的，待识别音频数据为客服人员(简称客服)提供语音服务时所保存的完整的音频数据，其中包括客服人员的音频数据和用户的音频数据。端点检测就是确定一句语音的起始点和结束点。通过端点检测，就可以将一个完整的待识别音频数据中的单个语音句子划分出来，即形成多个单句音频数据。端点检测方法可以为基于短时能量和短时平均过零率的检测方法、基于道普频率的检测方法、基于信息熵的检测方法或其他端点检测方法，本专利技术实施例对具体的端点检测方法不做限制。S120、通过预设声学模型确定所述多个单句音频数据对应的多个第一文本数据，所述预设声学模型基于客服语音数据构建。具体的，预设声学模型是用于将语音数据转换成对应的文本数据的模型，其是一个端到端的深度学习模型。预设声学模型基于客服语音数据构建，是指预设声学模型的训练数据包括电商平台已有的客服语音数据，客服语音数据是指客服人员与用户进行语音沟通的数据，例如，客服人员与用户之间进行电话沟通的语音数据。进一步的，预设声学模型的训练数据还包括AISHELL中文语音数据集、MAGICDATA普通话中文本文档来自技高网...

【技术保护点】
1.一种客服语音识别方法，其特征在于，包括：/n对待识别音频数据进行端点检测，以获取多个单句音频数据；/n通过预设声学模型确定所述多个单句音频数据对应的多个第一文本数据，所述预设声学模型基于客服语音数据构建；/n通过预设语言模型确定所述多个第一文本数据对应的多个第二文本数据，所述预设语言模型基于线上客服文本数据构建。/n

【技术特征摘要】
1.一种客服语音识别方法，其特征在于，包括：
对待识别音频数据进行端点检测，以获取多个单句音频数据；
通过预设声学模型确定所述多个单句音频数据对应的多个第一文本数据，所述预设声学模型基于客服语音数据构建；
通过预设语言模型确定所述多个第一文本数据对应的多个第二文本数据，所述预设语言模型基于线上客服文本数据构建。


2.如权利要求1所述的方法，其特征在于，所述通过预设声学模型确定所述多个单句音频数据对应的多个第一文本数据之前，还包括：
通过预设性别分类模型确定每个单句音频数据的角色性别。


3.如权利要求2所述的方法，其特征在于，所述通过预设声学模型确定所述多个单句音频数据对应的多个第一文本数据包括：
若所有单句音频数据的角色性别都相同，则通过预设声学模型确定所述多个单句音频数据对应的多个第一文本数据。


4.如权利要求3所述的方法，其特征在于，所述通过预设语言模型确定所述多个第一文本数据对应的多个第二文本数据之后，还包括：
通过预设角色分类模型确定每个第二文本数据的角色身份，所述预设角色分类模型基于线上客服文本数据构建。


5.如权利要求2所述的方法，其特征在于，所述通过预设性别分类模型确定每个单句音频数据的角色性别之后，还包括：
若并非所有单句音频数据的角色性别都相同，则获取所述待识别音频数据对应的客服人员性别；
若单句音频数据的角色性别与所述客服人员性别相同，则确定所述单句音频数据的角色身份为客服人员；
若单句音频数据的角色性别与所述客服人员性别...

【专利技术属性】
技术研发人员：顾晓雪，谢翀，
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