【技术实现步骤摘要】
无效通话判断方法、装置、计算机设备及存储介质
本申请涉及人工智能
，尤其涉及无效通话判断方法、装置、计算机设备及存储介质。
技术介绍
随着通信技术和互联网技术的发展，客服业务出现了智能客服、计算机客服取代了人工客服。智能客服AI节省了大量的人力，但是智能客服的外呼，大约有10％-15％是未接通的电话，这类通话目前处理方式通常为等待直到运营商挂机，所有的通信运营商在用户未接通电话时，都会通过播报电子合成语音来填充呼叫侧用户的等待时间。目前在做AI呼叫类项目时，并未对这类电子声进行预判断，在等待客户接听的这段时间内，收音系统仍在持续收音，并且会将其作为客户的语音转为文字传到后端。这样做不但会将这类数据传给整个AI外呼链路的各个系统存储，各个系统在进行统计和汇总时，都需要额外将这类数据剔除，增加二次统计的复杂度，更是在这段电子播报时间内占用了价格高昂的外呼线路资源。
技术实现思路
本申请实施例的目的在于提出一种无效通话判断方法、装置、计算机设备及存储介质，以解决无效通话给智能客户业务带来的呼叫资源...
【技术保护点】
1.一种无效通话判断方法，其特征在于，包括下述步骤：/n获取第一应答语音片段，所述第一应答语音片段为智能客服发起通话时接收的对端应答语音中的片段；/n将所述第一应答语音片段输入到预先训练的深度学习神经网络模型进行声纹特征提取，获得所述第一应答语音片段的声纹特征；/n计算所述第一应答语音片段的声纹特征与预先提取的电子合成语音声纹特征的相似度，当所述相似度大于预设的阈值时，确定所述第一语音片段为电子合成语音；/n当所述第一语音片段为电子合成语音时，确定所述智能客服发起的通话为无效通话。/n
【技术特征摘要】
1.一种无效通话判断方法，其特征在于，包括下述步骤：
获取第一应答语音片段，所述第一应答语音片段为智能客服发起通话时接收的对端应答语音中的片段；
将所述第一应答语音片段输入到预先训练的深度学习神经网络模型进行声纹特征提取，获得所述第一应答语音片段的声纹特征；
计算所述第一应答语音片段的声纹特征与预先提取的电子合成语音声纹特征的相似度，当所述相似度大于预设的阈值时，确定所述第一语音片段为电子合成语音；
当所述第一语音片段为电子合成语音时，确定所述智能客服发起的通话为无效通话。
2.根据权利要求1所述的无效通话判断方法，其特征在于，在所述获取第一应答语音片段的步骤之后，还包括：
将所述第一语音片段输入到预设的梅尔滤波器进行梅尔频谱提取，获得所述第一语音片段的梅尔频谱；
将所述第一语音片段的梅尔频谱输入到预先训练的深度学习神经网络模型进行声纹特征提取，获得所述第一应答语音片段的声纹特征。
3.根据权利要求1所述的无效通话判断方法，其特征在于，在所述获取第一应答语音片段的步骤之前，还包括：
接收应答语音；
根据预设的反应时间，截取所述应答语音中不含起始部分的语音片段，得到第一语音片段，其中，所述起始部分为所述应答语音从起始到所述反应时间的部分。
4.根据权利要求3所述的无效通话判断方法，其特征在于，在所述接收应答语音的步骤之前，还包括：
获取M个智能客服发起通话后至接通前的反应时间样本，M为大于0的正整数；
根据所述M个反应时间样本统计分析反应时间的概率分布；
根据所述反应时间概率分布，确定所述预设的反应时间。
5.根据权利要求1所述的无效通话判断方法，其特征在于，在所述将所述第一应答语音片段输入到预先训练的深度学习神经网络模型进行声纹特征提取，获得所述第一应答语音片段的声纹特征的步骤之前，还包括：
获取训练样本，所述训练样本为标注了是否为电子合成语音的N个语音样本，N为大于0的正整数；
将所述训练样本输入到深度学习神经网络模型中，获取所述深度学习神经网络模型响应所述训练样本输出的N个预测结果；
通过损失函数比对所述N个预测结果和所述标注是否一致，其中所述损失函数为：
其中，N为训练样本数，针对第i个样本其对应的yi是标注的结果，h＝(h1,h2,...,hc)为样本i的预测结果，其...
【专利技术属性】
技术研发人员：郝健，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。