客服语音评估方法、系统、设备及存储介质技术方案

本发明专利技术提供了一种客服语音评估方法、系统、设备及存储介质，该方法包括：采集待评估的客服语音；将所述待评估的客服语音分割为多个语音段落；将每个语音段落分别输入训练好的语调检测模型，检测所述语音段落中是否存在特定负面语调；根据所述语调检测模型对于各个所述语音段落的检测结果，得到所述客服语音的评估结果。本发明专利技术提供了一种用于检测客服语音的语腔语调的语调检测模型，自动识别客服语音中是否存在负面的语调，并根据检测结果对客服语音进行自动评估，无需人工进行评估，评估准确性更高，并且可以大大提高质检效率。

【技术实现步骤摘要】
客服语音评估方法、系统、设备及存储介质
本专利技术涉及数据处理
，尤其涉及一种客服语音评估方法、系统、设备及存储介质。
技术介绍
作为OTA(OnlineTravelAgency，在线旅行社)平台对客和对商的重要枢纽，呼叫中心客服服务质量至关重要。质检是把控服务质量的重要一环，此前对于客服服务的质检，一般由考评部门以人工的方法进行抽检。呼叫中心每天都会产生海量的通话，相比较来说，质检的人力资源较为有限，如果抽出的样本量较小，这样抽出的样本存在较大的随机性，难以代表客服的实际服务质量，而增加抽样的数量则会带来成本的增加。总而言之，人工质检只能进行抽检，也难以针对客服的表现进行跟踪、具体分析。同时，人工的质检的主观性较强，会有标准不一致或者失误的可能。质量管理是客服中心运营管理的重要板块，而质检则是定义客服中心服务质量好坏的标准。客服服务质量的考核一般与客人的满意度挂钩，但客人的满意度有时与客人提出的诉求是否得到满足有关，和客服的服务质量关联性较小。此时较难通过客人满意度衡量客服的服务质量，更难通过这种方式了解客服服务中需要改进的地方。因此需要相对客观的质检标准，在把控员工服务质量的同时也为员工指明问题。对于呼叫中心的客服人员来说，语腔语调是非常重要的，客服在沟通时应该让人觉得亲切热情、温和有礼，不应该表现出冷淡和不耐烦。然而客服人员常年面对客人、商家，很多时候都在处理类似的问题，可能产生倦怠，导致在沟通中缺乏热情，具体表现为语调平板无波动，给客人以一种无动于衷的感觉；同时客服面对的人员也十分多种多样，在客人带有负面情绪时，客服也不容易保持一个正面积极的语气。对客服语腔语调的考核之前是由人工完成的，人工质检往往存在几个问题：1、主观性强，质检人员对考核标准的理解不统。2、随机性强，呼叫中心每天都会产生海量的通话，无法通过人工的方式对每一个客服员的每一通电话进行考核。只能通过随机抽样的方式以偏看全地完成，存在很大的随机性。因此这样的质检对客服的表现进行全面了解，也无法通过长期的跟踪来帮助客服发现问题、改进问题。
技术实现思路
针对现有技术中的问题，本专利技术的目的在于提供一种客服语音评估方法、系统、设备及存储介质，自动对客服语音进行分析，提高客服语音质检效率。本专利技术实施例提供一种客服语音评估方法，包括如下步骤：采集待评估的客服语音；将所述待评估的客服语音分割为多个语音段落；将每个语音段落分别输入训练好的语调检测模型，检测所述语音段落中是否存在特定负面语调；根据所述语调检测模型对于各个所述语音段落的检测结果，得到所述客服语音的评估结果。在一些实施例中，将所述待评估的客服语音分割为多个语音段落，包括如下步骤：基于自动语音识别技术对所述客服语音进行识别，得到所述客服语音所对应的语音文本；基于所述语音文本对所述客服语音进行分割，并去除未包含语音文本的语音段落。在一些实施例中，所述将每个语音段落分别输入训练好的语调检测模型，检测所述语音段落中是否存在特定负面语调，包括如下步骤：提取所述语音段落的情感特征；将所述语音段落的情感特征输入训练好的语调检测模型，得到所述语调检测模型输出的负面语调检测结果。在一些实施例中，提取所述语音段落的情感特征，包括如下步骤：提取所述语音段落的音频数据的LLDs特征；基于所述LLDs特征，提取HSFs特征。在一些实施例中，所述语调检测模型包括多个分类器，所述多个分类器分别与多个特定负面语调一一对应，每个所述分类器用于输出所述语音段落中包括所对应的特定负面语调的概率值。在一些实施例中，所述语调检测模型包括特征提取层、目标任务分类层和说话人识别层；所述特征提取层对所述语音段落的情感特征进行特征提取后分别输入所述目标任务分类层和所述说话人识别层，所述目标任务分类层输出所述语音段落包括特定负面语调的概率值，所述说话人识别层用于输出所述语音段落对应于各个说话人的概率值。在一些实施例中，所述语调检测模型采用对抗学习方式训练，所述特征提取层通过一梯度反转层连接至所述说话人识别层，所述梯度反转层在正向传播时保持传递权值不变，在反向传播时梯度反向。在一些实施例中，根据所述语调检测模型对于各个所述语音段落的检测结果，得到所述客服语音的评估结果，包括如下步骤：对于一特定负面语调，如果所述语音段落中存在至少一个语音段落的检测结果为包括该特定负面语调，则将所述客服语音认定为问题语音。在一些实施例中，根据所述语调检测模型对于各个所述语音段落的检测结果，得到所述客服语音的评估结果，包括如下步骤：对于一特定负面语调，计算包括该特定负面语调的语音段落在所述客服语音中的占比；如果计算得到的占比大于预设占比阈值，则将所述客服语音认定为问题语音。在一些实施例中，所述计算包括该特定负面语调的语音段落在所述客服语音中的占比包括：计算包括该特定负面语调的语音段落的语音时长在所述客服语音的整体时长中的占比；或计算包括该特定负面语调的语音段落的句子的数量在所述客服语音的句子总数中的占比。本专利技术实施例还提供一种客服语音评估系统，用于实现所述的客服语音评估方法，所述系统包括：语音采集模块，用于采集待评估的客服语音；语音分割模块，用于将所述待评估的客服语音分割为多个语音段落；语调检测模块，用于将每个语音段落分别输入训练好的语调检测模型，检测所述语音段落中是否存在特定负面语调；语音评估模块，用于根据所述语调检测模型对于各个所述语音段落的检测结果，得到所述客服语音的评估结果。本专利技术实施例还提供一种客服语音评估设备，包括：处理器；存储器，其中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行所述的客服语音评估方法的步骤。本专利技术实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被处理器执行时实现所述的客服语音评估方法的步骤。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。本专利技术的客服语音评估方法、系统、设备及存储介质具有如下有益效果：本专利技术提供了一种用于检测客服语音的语腔语调的语调检测模型，自动识别客服语音中是否存在负面的语调，并根据检测结果对客服语音进行自动评估，无需人工进行评估，评估准确性更高，并且可以大大提高质检效率。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显。图1是本专利技术一实施例的客服语音评估方法的流程图；图2是本专利技术一实施例的客服语音评估方法的过程示意图；图3是本专利技术一实施例的语调检测模型的示意图；图4是本专利技术一实施例的客服语音评估系统的结构示意图；图5是本专利技术一实施例的客服语音评估设备的结构示意图；图6是本专利技术一实施例的计算机可读存储介质本文档来自技高网...

【技术保护点】
1.一种客服语音评估方法，其特征在于，包括如下步骤：/n采集待评估的客服语音；/n将所述待评估的客服语音分割为多个语音段落；/n将每个语音段落分别输入训练好的语调检测模型，检测所述语音段落中是否存在特定负面语调；/n根据所述语调检测模型对于各个所述语音段落的检测结果，得到所述客服语音的评估结果。/n

【技术特征摘要】
1.一种客服语音评估方法，其特征在于，包括如下步骤：
采集待评估的客服语音；
将所述待评估的客服语音分割为多个语音段落；
将每个语音段落分别输入训练好的语调检测模型，检测所述语音段落中是否存在特定负面语调；
根据所述语调检测模型对于各个所述语音段落的检测结果，得到所述客服语音的评估结果。


2.根据权利要求1所述的客服语音评估方法，其特征在于，将所述待评估的客服语音分割为多个语音段落，包括如下步骤：
基于自动语音识别技术对所述客服语音进行识别，得到所述客服语音所对应的语音文本；
基于所述语音文本对所述客服语音进行分割，并去除未包含语音文本的语音段落。


3.根据权利要求1所述的客服语音评估方法，其特征在于，所述将每个语音段落分别输入训练好的语调检测模型，检测所述语音段落中是否存在特定负面语调，包括如下步骤：
提取所述语音段落的情感特征；
将所述语音段落的情感特征输入训练好的语调检测模型，得到所述语调检测模型输出的负面语调检测结果。


4.根据权利要求3所述的客服语音评估方法，其特征在于，提取所述语音段落的情感特征，包括如下步骤：
提取所述语音段落的音频数据的LLDs特征；
基于所述LLDs特征，提取HSFs特征。


5.根据权利要求3所述的客服语音评估方法，其特征在于，所述语调检测模型包括多个分类器，所述多个分类器分别与多个特定负面语调一一对应，每个所述分类器用于输出所述语音段落中包括所对应的特定负面语调的概率值。


6.根据权利要求3所述的客服语音评估方法，其特征在于，所述语调检测模型包括特征提取层、目标任务分类层和说话人识别层；
所述特征提取层对所述语音段落的情感特征进行特征提取后分别输入所述目标任务分类层和所述说话人识别层，所述目标任务分类层输出所述语音段落包括特定负面语调的概率值，所述说话人识别层用于输出所述语音段落对应于各个说话人的概率值。


7.根据权利要求6所述的客服语音评估方法，其特征在于，所述语调检测模型采用对抗学习方式训练，所述特征提取层通过一梯度反转层连接至所述说...

【专利技术属性】
技术研发人员：杜诗宣，任君，罗超，邹宇，李巍，严丽，
申请(专利权)人：携程旅游网络技术上海有限公司，
类型：发明
国别省市：上海;31