语音盲源分离技术在呼叫中心智能语音质检系统中的应用
客户世界|王玉静|2014-01-15
呼叫中心的热线服务是公司与客户接触的重要渠道，然而随着移动互联网时代客户需求的多样化与个性化日益明显，对呼叫中心热线的服务质量与系统支撑提出更高的要求。呼叫中心传统的热线服务普遍存在服务质量检测失实、来电原因数据失真、客户需求缺失等短板问题。智能语音质检系统的应用很好地解决了上述问题。智能语音质检是移动互联网时代迅速发展的语音分析技术的一个实际应用，指将呼叫中心客服电话录音转换成结构化信息（包含通话内容等），结合现有质检规范实现让计算机智能辅助人工质检工作的系统。其中一关键环节即通过利用盲源分离技术将客户与客服代表两个不同声道的录音分开，从而实现对客户语音关键字词的识别与对客服代表服务技能的质检。
语音盲源分离（Blind Source Separation, BSS)是信号处理中一个传统又极具挑战的问题， 盲源分离数学理论模型如图1所示，S1、S2……SN为语音信号源，即智能语音质检系统的客户与客服代表的录音，X1、X2……XM为混合语音信号，即一条条完整的电话录音。语音盲源分离的过程即在得到完整电话录音X1、X2……XM的情况下恢复出源信号S1、S2……SN，即在已知一条电话录音的情况下将客服代表与客户两个声道的的语音分开，当源信号的个数大于混合信号时，即客户与客服代表是两个源信号，但得到的电话录音是一路混合信号的情况称为欠定盲源分离。
图1 盲源分离数学理论模型
假设客户声音为源语音信号S1，客服代表声音为源语音信号S2，客户与客服代表对话的的电话录音为混合信号X1，呼叫中心智能质检系统中利用盲源分离技术将客户与客服代表语音分离的具体步骤如下：
（1）提取电话录音X1的频率、共振峰、倒谱系数等时域特征。语音信号的时域即正常可以放音的状态，电话录音X1的时域信号图如图2所示，可以看出电话录音X1在不同时间采样点表现出的语音信号特征各不相同，这与客户与客服代表两位发声源的音量高低、频率快慢、情绪变化等均密切相关。
图2电话录音信号X1的时域特征图
（2）将电话录音X1通过短时傅里叶变化转换到频域。语音信号的频域即对正常可放音状态变化一种表现方式，由于语音信号在频域表现出较好的稀疏性，即不同频率的语音在不同的时间采样点有明显的区分，更有利于对不同频率特征的语音信号进行分离，故将电话录音X1通过短时傅里叶变换转换到频域进行分析。如图3所示，通过三维立体视图可以看出在频率2000Hz左右有1路信号，在频率0—1000Hz之间有另一路信号，即客户与客服代表两路源信号S1与S2。
图3电话录音信号X1的频域特征图
（3）通过电话录音X1的频域图做散点图。散点图为数据在直角坐标平面上的分布图，为了更直观的表示出电话录音X1是由两路源信号S1与S2混合而成，对电话录音X1的频域表示做散点图，如图4所示。由电话录音X1的散点图可以清晰地看出，电话录音X1由两路频率不同的语音信号混合而成。
图4 电话录音信号X1的散点图
（4）利用最短路径算法将客户与客服代表两路源信号S1与S2分离。分离后的客户与客服代表两路语音信号S1与S2均为频域信号，两路源信号的频域表示如图5所示，一路源语音信号频率在2000Hz左右，一路源语音频率在0—1000Hz之间，与步骤（2）中电话录音X1的频域图呈现的特征是一致的。
图5客户与客服代表两路源信号S1与S2频域图
（5）将分离后的客户与客服代表两路源信号S1与S2由频域恢复到时域。源语音信号S1与S2的时域表示如图6。
图6客户与客服代表两路源信号S1与S2的时域图
通过盲源分离技术将电话录音进行分离后，即可实现呼叫中心智能语音质检系统对客户与客服代表录音的专项质检：对客户录音识别通话中出现的高频关键字词，科学高效地挖掘客户潜在需求，进行服务流程的针对性优化与热线情景营销准确关联匹配；对客服代表录音进行有效质检，从通话均长、服务技能、营销话述等维度进一步优化服务质量，不断创造客户的新体验。
本文刊载于《客户世界》2013年12月刊；作者单位为山东移动客服一中心。
转载请注明来源：语音盲源分离技术在呼叫中心智能语音质检系统中的应用
客户世界
这家伙很懒，什么都没写！
噢！评论已关闭。