Как работает система автоматического распознавания голосовых команд в современных колл-центрах?

Система автоматического распознавания голосовых команд (ASR) в современных колл-центрах работает в несколько этапов: cloud.vk.com

1. Анализ сигнала. cloud.vk.com Система получает голосовой сигнал, записывает и посылает на сервер. cloud.vk.com Сервер очищает сигнал от шумов и помех, затем делит запись на фонемы — фрагменты длиной до 25 миллисекунд. cloud.vk.com Каждый фрагмент сервер пропускает через акустическую модель, которая определяет, какие именно звуки произнесены. cloud.vk.com
2. Расшифровка аудио. cloud.vk.com Речевые фрагменты записи сравнивают с эталонными произношениями слогов и слов из акустической модели. cloud.vk.com Система использует машинное обучение, чтобы подобрать фонетические варианты произнесённых слов и определить их контекст. cloud.vk.com
3. Преобразование речи в текст. cloud.vk.com С помощью языковой модели алгоритм определяет порядок слов и подбирает нераспознанные слова по контексту. cloud.vk.com Полученная информация поступает в декодер, который объединяет данные от акустической и языковой моделей и преобразует их в текст. cloud.vk.com

В колл-центрах ASR-системы позволяют автоматизировать стандартные задачи. speech.neuro.net Например, клиент может произнести запрос на проверку баланса, а система с помощью ASR распознает запрос, найдёт нужную информацию в базе данных и ответит, озвучив результат. speech.neuro.net

Также ASR-системы используют для актуализации клиентской базы и ведения статистики. city-call.ru Любое обращение можно перевести в текст, чтобы добавить к карточке клиента в базе. city-call.ru При следующих обращениях сотрудники будут знать, с какими вопросами обращался клиент ранее, каким был результат разговора. city-call.ru