随着业务的持续快速增长，传统质检方式的弊端也越来越明显。为了进一步提升服务质量，更全面、及时地发现服务问题，减少服务投诉率与舆情风险，我们需要对服务对话数据进行多维度分析。通过制定灵活多变的规则，分析筛选出特定的业务场景，识别有价值的服务对话数据。

　　智能语音质检系统应用语音识别、静音识别、关键词检索、声纹识别、场景分割、情绪分析、语义理解等技术，可以将非结构化的语音数据转换为可被查询、检索、分析的结构化文本数据，进而有效地对客服语音数据中包含的交互内容进行深层次的分析。可应用于自动客服质检和语音大数据挖掘两个方向，能够解决目前大部分呼叫中心存在的录音质检覆盖面不足、客户流失、客户投诉、错失营销机会、产品反馈不及时等问题。

　　自动客服质检方面，通过本系统可以针对坐席人员的服务质量进行自动分析、汇总、统计和分析，从而帮助运营商改善客户满意度，提升客户体验，降低运营成本;

　　语音大数据挖掘方面，通过本系统可以了解客户对产品/市场活动的反馈，实现客户行为分析、业务热点分析、有价值信息挖掘，从而有助于优化市场营销。同时，该系统还可以进行欺诈人员和欺诈案件的识别，减少损失，提升竞争力。
 

　　一、AI语音质检系统架构

　　1)应用层：

　　由系统展示和基础服务两部分组成，针对分析结果进行应用的展现，包含客服质检、语音搜索、运营分析、营销挖掘等功能，同时开放接口，提供数据推送能力，并能提供监控、日志管理、参数配置和权限管理等基础服务。

　　2)数据处理层：

　　通过业务数据接口从第三方系统获取随录信息(包括录音属性信息、维度信息)和语音文件;针对获取的随录信息和语音文件通过语音引擎进行处理，包括语音转写识别，文本分析处理，场景分割话者分离，以及静音识别等核心处理，将语音文件转化为可分析的结构化数据，同时把处理结果通过ETL工具，抽取到数据仓库中，并进行多维分析建模存放在数据库和文件系统中供应用系统页面分析模块直接使用。

　　3)存储层：

　　主要用于语音文件及维度信息存储和语音解析结果库(又称“系统结构化索引”存储);经过数据处理曾生成索引文件，这些结构化的索引文件中包含了语音中的所有信息，存储在数据仓库中。

　　4)接口层：

　　与录音平台实现录音数据的传输，与CRM等外围系统实现座席、客户来电号码、来电时间等随路信息的同步。
 

　　二、AI语音质检系统业务流程

　　对所有话务服务过程产生的数据进行全量的智能质检，摆脱人员的限制，全面挖掘服务数据的价值，针对全量的服务数据进行自动化质检，可以做到电话一挂断，立刻触发语音转文本并做质检，实时生成质检结果，通过灵活的规则配置，覆盖多个复杂的业务场景，数据质检的成本低，质检结果响应及时。

　　基于ASR语音分析技术，可快速将非结构化的语音文件转化为文本，并通过NLP自然语言理解算法对内容、通过更加多元化的自定义规则，实现对录音或文本对话内容的智能分析，帮助企业优化服务策略，提升服务质量。
 

　　三、AI语音引擎性能指标