隨著算法、數(shù)據(jù)、引擎等技術(shù)方面的突發(fā)猛進，智能語音機器人的應(yīng)用日益普及。但是在日常交互溝通上，智能語音機器人卻顯得不足夠“智能”，尤其是不能很好地支持打斷、插話，反應(yīng)慢或者自顧自話的問題一直飽受詬病。
大多數(shù)語音機器人采用一問一答方式：照本宣科 TTS 播報內(nèi)容，播報完成后，再去詢問和傾聽客戶的意見，語音識別轉(zhuǎn)譯后再跳轉(zhuǎn)對應(yīng)的對話場景流程。如果是一位有耐心的客戶，由機器人主導(dǎo)對話節(jié)奏和流程，這樣是沒問題的。但在實際溝通中，當(dāng)客戶往往喜歡根據(jù)自己的想法和判斷，對溝通進行各種插話打斷，比如：
- “等一下”，客戶意圖是不需要機器人繼續(xù)說下去，暫停思考一下，準備切換話題；
- “那 XXXX 問題呢”，客戶意圖是直接從當(dāng)前話題切換到下一個話題；
- “好，我知道了”，客戶對機器人的回答表示已經(jīng)足夠了解，希望終止當(dāng)前對話。
一旦出現(xiàn)打斷的情況，機器人如果不能及時響應(yīng)客戶的最新想法和指令意圖，仍然還在上一個頻道“自說自話”，客戶體驗就非常糟糕……
但是一聽到聲音就打斷機器人講話，也會有各種各樣的問題。各種意外的噪聲，比如關(guān)門聲、裝修、汽車、音樂等，這些并非客戶真實意圖，一旦打斷，就會造成錯誤打斷；而混雜在環(huán)境噪聲中的真人說話聲，識別不到的話，就會造成漏打斷。
綜上，在智能語音機器人應(yīng)用中，如何合理、準確的判定客戶是否有效打斷，保證客戶智能交互體驗，一直是長期存在的問題。
解決：U-IPCC VAD 人聲檢測技術(shù)輕松應(yīng)對，打造最佳智能服務(wù)體驗
近日，在某智能客服項目中就遇到這個問題，項目全局使用智能語音機器人接待與交互，需要語音機器人要足夠“智能”，打造極致客戶體驗，怎么辦呢？
遠傳 U-IPCC7.0 開發(fā)團隊經(jīng)過科學(xué)研究、大膽嘗試，打造獨特的 U-IPCC VAD 人聲識別算法模型，并經(jīng)過大量測試優(yōu)化，成功為智能語音機器人賦能智能打斷能力：
U-IPCC7.0 在通話建立時主動開啟檢測外線客戶的語音流，當(dāng)檢測到語音被打斷時，快速通過人聲識別算法模型識別出是人聲還是環(huán)境噪音。若判斷為人聲，U-IPCC7.0 立即停止當(dāng)前 TTS 播報，將人聲語音報送 ASR 引擎識別及 NLP 協(xié)同，根據(jù)分析結(jié)果進入下一輪人機交互場景：暫停、調(diào)整、停止——第一時間響應(yīng)客戶訴求，直接進入新的對話場景，跟上客戶的最新節(jié)奏。
作為 U-IPCC7.0 智能打斷的核心——人聲識別算法模型，通過分析人聲語音與其他聲音數(shù)據(jù)（語氣詞、環(huán)境噪聲）的波形、能量等特征，提煉聲音特征規(guī)律形成上百種人聲及各種聲音模型，可有效屏蔽關(guān)門、裝修、汽車喇叭、音樂等各種環(huán)境噪聲，并可精準識別混雜在噪聲中的人聲，避免錯誤打斷及漏打斷。
經(jīng)過上千次的測試和優(yōu)化，U-IPCC7.0 人聲識別算法模型的應(yīng)用效果非常理想，基本上可達到人一說話就可以立即停止播放，自動進入新的對話場景，而各種語氣詞及環(huán)境噪音則毫無影響。實測中，機器人的表現(xiàn)非常自然順暢，智能打斷成功率在 95% 以上。
由 U-IPCC7.0 智能打斷賦能的智能語音機器人在反映速度、抗干擾能力方面可與真人媲美，大幅提升客戶體驗，用戶非常滿意。
未來 U-IPCC7.0 智能打斷將應(yīng)用到各種智能客服項目中，使智能語音機器人在與客戶的溝通中，及時、靈活、準確獲得客戶的意圖，快速響應(yīng)客戶想法和節(jié)奏，給予客戶最佳的智能交互體驗。
