本發(fā)明涉及語音識別領(lǐng)域，具體為一種呼叫中心長語音識別模型訓(xùn)練方法。

背景技術(shù)：

1、隨著通信技術(shù)的發(fā)展，越來越多的大型企業(yè)通過建立呼叫中心系統(tǒng)為客戶提供服務(wù)。在大型企業(yè)的內(nèi)部，通常按照各自的分工分別建立自己的呼叫中心，以提供不同的客戶服務(wù)。以運營商建立的呼叫中心系統(tǒng)為例，通常，運營商提供的業(yè)務(wù)服務(wù)分類細(xì)致，因此運營商內(nèi)部呼叫中心數(shù)量較多，不同的呼叫中心間相互獨立。

2、目前，在呼叫中心的客戶服務(wù)中，一般分為菜單欄訪問對話與客服對話，其中菜單欄由于較為復(fù)雜，用戶很難快速定位到其想要訪問的菜單，而近年來語音技術(shù)得到了飛速的發(fā)展，通過語音識別技術(shù)，創(chuàng)造出語音菜單的快速訪問方式，提高用戶進(jìn)入菜單的快捷方式；而客服對話則是利用人工智能客服對客戶的語音進(jìn)行識別，進(jìn)而給出建議或判斷。但不管是菜單欄訪問對話還是客服對話均依托于語音識別系統(tǒng)實現(xiàn)。

3、現(xiàn)有的語音識別系統(tǒng)/模型大多是針對短語音的識別，由于部分用戶說話的語速較為連續(xù)，即長語音，在進(jìn)行該種長語音的識別過程中語音識別系統(tǒng)/模型識別受限，往往存在準(zhǔn)確度不高或識別錯誤的情況，無法準(zhǔn)確的清楚長語音的具體語義，基于此本發(fā)明提出一種呼叫中心長語音識別模型訓(xùn)練方法。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種呼叫中心長語音識別模型訓(xùn)練方法，以解決上述背景技術(shù)中提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種呼叫中心長語音識別模型訓(xùn)練方法，包括步驟：

3、s1：獲取呼叫中心的同一用戶的待識別語音數(shù)據(jù)，待識別語音數(shù)據(jù)包括不連續(xù)短語音與連續(xù)長語音，并對其進(jìn)行預(yù)處理；

4、s2：針對預(yù)處理后的不連續(xù)短語音采用語音拼接算法進(jìn)行拼接處理后獲得拼接長語音a；針對預(yù)處理后的連續(xù)長語音采用語音切割拼接方法進(jìn)行處理后獲得拼接長語音b；

5、s3：將步驟s1中連續(xù)長語音與步驟s2中拼接長語音a、拼接長語音b分別進(jìn)行特征提取得到語義特征向量矩陣；

6、s4：將語義特征向量矩陣輸入至預(yù)構(gòu)建的長語音識別模型中進(jìn)行訓(xùn)練，得到訓(xùn)練好的長語音識別模型。

7、優(yōu)選的，步驟s1中預(yù)處理過程包括：采用頻譜減法和聲學(xué)分析處理去除連續(xù)短語音與連續(xù)長語音中的噪聲，并依次經(jīng)數(shù)據(jù)增強(qiáng)和修復(fù)后輸出預(yù)處理后的連續(xù)短語音與連續(xù)長語音。

8、優(yōu)選的，頻譜減法的具體過程包括：

9、對連續(xù)短語音與連續(xù)長語音進(jìn)行傅里葉變換，得到相應(yīng)的幅值?和相位；

10、從變換前的聲音信號中取一段低頻信號，對應(yīng)的頻率寬度為nis，求出低頻信號段的平均譜值；

11、將求得的和帶入譜減法公式中得到譜減輸出的值，為譜減后的信號幅值的二次方，其中，所述譜減法的公式為：

12、；

13、式中：，為常數(shù)，稱為過減因子，稱為增益補(bǔ)償因子；

14、基于得到的及，通過快速傅里葉逆變換可得到預(yù)處理后的聲音信號。

15、優(yōu)選的，步驟s2中語音拼接算法基于高低頻的語義拼接邏輯，其具體拼接處理過程包括：

16、s201a：確定多段不連續(xù)短語音的高頻成分和低頻成分；

17、s202a：根據(jù)高頻成分和低頻成分提取所述不連續(xù)短語音所對應(yīng)的第一倒譜特征和第二倒譜特征；

18、s203a：以幀為單位，拼接所述不連續(xù)短語音中的每一幀語音中的第一倒譜特征和第二倒譜特征，得到參數(shù)序列；

19、s204a：對多段不連續(xù)短語音進(jìn)行語義提取處理，得到語義特征序列；

20、s205a：基于參數(shù)序列和語義特征序列進(jìn)行語音拼接，得到拼接長語音a

21、優(yōu)選的，步驟s2中連續(xù)長語音采用語音切割拼接方法進(jìn)行處理后獲得拼接長語音b的具體過程包括：

22、s201b：對連續(xù)長語音進(jìn)行分割，得到至少兩個語音片段，其中每兩個相鄰的語音片段之間具有部分重疊語音片段；

23、s202b：將上述的語音片段輸入至預(yù)先構(gòu)建的語音識別模型中進(jìn)行語音識別處理，得到語音后驗概率特征；

24、s203b：將所述語音后驗概率特征和目標(biāo)音色標(biāo)識輸入至語音轉(zhuǎn)換模型中進(jìn)行語音轉(zhuǎn)換處理，得到語音轉(zhuǎn)換結(jié)果；

25、s204b：對至少兩個語音片段以及語音轉(zhuǎn)換結(jié)果進(jìn)行語音拼接處理，得到語音輸出結(jié)果；

26、，

27、式中，示所述語音輸出結(jié)果；表示語音片段；表示語音轉(zhuǎn)換結(jié)果。

28、優(yōu)選的，步驟s3中語義特征向量矩陣通過以下步驟獲?。?/p>

29、s301：通過預(yù)設(shè)的濾波器組提取所述連續(xù)長語音、拼接長語音a、拼接長語音b對應(yīng)的語音特征序列；

30、s302：通過預(yù)先構(gòu)建的編碼器獲取上述語音特征序列中語音特征對應(yīng)的聲學(xué)表征；

31、s303：通過預(yù)先構(gòu)建的詞嵌入矩陣將所述聲學(xué)表征的隱向量映射到源語言詞表，得到所述語義特征向量矩陣。

32、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

33、本發(fā)明能實現(xiàn)對長語音識別，其識別邏輯基于拼接長語音a、拼接長語音b，其中拼接長語音a為不連續(xù)短語音采用語音拼接算法進(jìn)行拼接處理后獲得，拼接長語音b為連續(xù)長語音采用語音切割拼接方法處理后獲得，通過綜合不連續(xù)短語音以及連續(xù)長語音來提供長語音判別的依據(jù)，具有準(zhǔn)確度高且識別速度快的優(yōu)勢。

1.一種呼叫中心長語音識別模型訓(xùn)練方法，其特征在于，包括步驟：

2.根據(jù)權(quán)利要求1所述的一種呼叫中心長語音識別模型訓(xùn)練方法，其特征在于：所述步驟s1中預(yù)處理過程包括：采用頻譜減法和聲學(xué)分析處理去除連續(xù)短語音與連續(xù)長語音中的噪聲，并依次經(jīng)數(shù)據(jù)增強(qiáng)和修復(fù)后輸出預(yù)處理后的連續(xù)短語音與連續(xù)長語音。

3.根據(jù)權(quán)利要求2所述的一種呼叫中心長語音識別模型訓(xùn)練方法，其特征在于：所述頻譜減法的具體過程包括：

4.根據(jù)權(quán)利要求1所述的一種呼叫中心長語音識別模型訓(xùn)練方法，其特征在于：所述步驟s2中語音拼接算法基于高低頻的語義拼接邏輯，其具體拼接處理過程包括：

5.根據(jù)權(quán)利要求1所述的一種呼叫中心長語音識別模型訓(xùn)練方法，其特征在于：所述步驟s2中連續(xù)長語音采用語音切割拼接方法進(jìn)行處理后獲得拼接長語音b的具體過程包括：

6.根據(jù)權(quán)利要求1所述的一種呼叫中心長語音識別模型訓(xùn)練方法，其特征在于：所述步驟s3中語義特征向量矩陣通過以下步驟獲?。?/p>
技術(shù)總結(jié)
本發(fā)明公開了一種呼叫中心長語音識別模型訓(xùn)練方法，包括步驟：獲取呼叫中心的同一用戶的待識別語音數(shù)據(jù)，待識別語音數(shù)據(jù)包括不連續(xù)短語音與連續(xù)長語音，并對其進(jìn)行預(yù)處理；針對預(yù)處理后的不連續(xù)短語音采用語音拼接算法進(jìn)行拼接處理后獲得拼接長語音A；針對預(yù)處理后的連續(xù)長語音采用語音切割拼接方法進(jìn)行處理后獲得拼接長語音B；連續(xù)長語音與拼接長語音A、拼接長語音B分別進(jìn)行特征提取得到語義特征向量矩陣；將語義特征向量矩陣輸入至預(yù)構(gòu)建的長語音識別模型中進(jìn)行訓(xùn)練，得到訓(xùn)練好的長語音識別模型。本發(fā)明通過綜合不連續(xù)短語音以及連續(xù)長語音來提供長語音判別的依據(jù)，具有準(zhǔn)確度高且識別速度快的優(yōu)勢。

技術(shù)研發(fā)人員：譚書華,蔡勁松,李釗輝,胥春石,王保三,沈晶,孫洋,胡宏魯
受保護(hù)的技術(shù)使用者：科訊嘉聯(lián)信息技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23