[发明专利]客服人员的语音质检方法、装置、设备及存储介质

权利要求书

1.一种客服人员的语音质检方法，其特征在于，所述客服人员的语音质检方法包括：

获取客服人员的语音文件，所述语音文件为一组完整的语音对话；

对所述语音文件进行声音识别，得到声音向量和语境向量；

基于所述声音向量和语境向量进行识别，生成至少两个声纹特征和文本数据；

基于所述语境向量、所述至少两个声纹特征和所述文本数据在语义层面和关键信息对层面进行分数计算，得到目标综合分数，所述目标综合分数用于表示客服人员的语音质检结果。

2.根据权利要求1所述的客服人员的语音质检方法，其特征在于，所述对所述语音文件进行声音识别，得到声音向量和语境向量包括：

对所述语音文件进行主成分分析，生成主成分语音文件；

将所述语音文件输入预先训练好的无监督深度学习网络中进行识别，生成声音向量和语境向量。

3.根据权利要求1所述的客服人员的语音质检方法，其特征在于，所述基于所述声音向量和语境向量进行识别，生成至少两个声纹特征和文本数据包括：

将所述声音向量输入预先训练好的语言模型中，结合预置的声学模型进行文本识别，生成文本数据；

将所述声音向量和所述语境向量输入预先训练好的声纹识别模型中进行声纹识别，生成至少两个声纹特征。

4.根据权利要求1所述的客服人员的语音质检方法，其特征在于，所述基于所述语境向量、所述至少两个声纹特征和所述文本数据在语义层面和关键信息对层面进行分数计算，得到目标综合分数，所述目标综合分数用于表示客服人员的语音质检结果包括：

根据所述语境向量、所述至少两个声纹特征和所述文本数据进行分数计算，生成语义分数；

根据所述语境向量、所述至少两个声纹特征和所述文本数据进行分数计算，生成关键信息对分数；

基于所述语义分数和所述关键信息对分数进行计算，生成目标综合分数，所述目标综合分数用于表示客服人员的语音质检结果。

5.根据权利要求4所述的客服人员的语音质检方法，其特征在于，所述根据所述语境向量、所述至少两个声纹特征和所述文本数据进行分数计算，生成语义分数包括：

对所述语境向量、所述文本数据和所述至少两个声纹特征进行过滤，生成过滤后的语境向量、过滤后的文本数据和过滤后的至少两个声纹特征；

将所述过滤后的语境向量、所述过滤后的文本数据和所述过滤后的至少两个声纹特征输入预先训练好的语义模型中进行计算，生成语义分数。

6.根据权利要求5所述的客服人员的语音质检方法，其特征在于，所述根据所述语境向量、所述至少两个声纹特征和所述文本数据进行分数计算，生成关键信息对分数包括：

基于所述文本数据进行领域匹配，得到目标问答领域；

基于所述目标问答领域，在预置的模型库中进行查找，得到目标意图识别模型；

将所述过滤后的语境向量、所述过滤后的文本数据和所述过滤后的至少两个声纹特征输入所述目标意图识别模型中进行计算，生成关键信息对分数。

7.一种客服人员的语音质检装置，其特征在于，所述客服人员的语音质检装置包括：

获取模块，用于获取客服人员的语音文件，所述语音文件为一组完整的语音对话；

第一识别模块，用于对所述语音文件进行声音识别，得到声音向量和语境向量；

第二识别模块，用于基于所述声音向量和语境向量进行识别，生成至少两个声纹特征和文本数据；

计算模块，用于基于所述语境向量、所述至少两个声纹特征和所述文本数据在语义层面和关键信息对层面进行分数计算，得到目标综合分数，所述目标综合分数用于表示客服人员的语音质检结果。

8.根据权利要求7所述的客服人员的语音质检装置，其特征在于，所述第一识别模块还可以具体用于：

对所述语音文件进行主成分分析，生成主成分语音文件；

将所述语音文件输入预先训练好的无监督深度学习网络中进行识别，生成声音向量和语境向量。