語音分析(SpeechAnalytics)技術(shù),是指通過語音識別等核心技術(shù)將非結(jié)構(gòu)化的語音信息轉(zhuǎn)換為結(jié)構(gòu)化的索引,實現(xiàn)對海量錄音文件、音頻文件的的知識挖掘和快速檢索。
語音分析(SpeechAnalytics)技術(shù),是指通過語音識別等核心技術(shù)將非結(jié)構(gòu)化的語音信息轉(zhuǎn)換為結(jié)構(gòu)化的索引,實現(xiàn)對海量錄音文件、音頻文件的的知識挖掘和快速檢索。呼叫中心保存著大量的客服錄音數(shù)據(jù),這些語音中包含著客戶需求、投訴、滿意度、建議、競爭性情報等大量的有價值的信息,但是由于數(shù)量巨大,檢索不便,目前普遍只能用于質(zhì)檢??拼笥嶏wVoiceInsight語音分析系統(tǒng),通過領(lǐng)先的語音分析核心技術(shù),針對客服中心的實際業(yè)務(wù)需要,可有效的對錄音數(shù)據(jù)進(jìn)行自動分析,提取出有效的信息,讓用戶駕馭海量客服錄音數(shù)據(jù),輔助客服質(zhì)檢,進(jìn)而針對性的改善客服質(zhì)量,提高客戶滿意度;同時也可以通過系統(tǒng)挖掘到用戶行為數(shù)據(jù),進(jìn)而及時進(jìn)行準(zhǔn)確的市場決策。語音分析常用的特有參數(shù)有:共振峰幅度與頻率,它是語音短時功率譜中能量集中的幾個區(qū)域,區(qū)域中心頻率稱為共振峰頻率,一般語音有三至五個共振峰。這些共振峰頻率成分的幅度稱為共振峰幅度。有時把共振峰幅度從中心到下降3dB處的帶寬稱為共振峰帶寬。共振峰的參數(shù)完全確定了發(fā)音中元音的屬性。
用時域方法,采用線性預(yù)測計算方法獲得的語音參數(shù),稱為線性預(yù)測參數(shù)。線性預(yù)測參數(shù)是語音的時域分析參數(shù),它能準(zhǔn)確地獲得聲道的傳輸特性,由時域與頻域參數(shù)之間的確定關(guān)系,由線性預(yù)測參數(shù)可轉(zhuǎn)換求得共振峰參數(shù)。利用線性預(yù)測參數(shù)可以求得另一組參數(shù)稱為反射系數(shù),反射系數(shù)比線性預(yù)測參數(shù)具有更好的數(shù)值穩(wěn)定性。由線性預(yù)測參數(shù)還可以求得另外一套系數(shù),稱為線譜對參數(shù),它們既保留時域計算的特點,又具有反映共振峰頻率特性的內(nèi)涵。利用同態(tài)信號分析方法,對語音信號進(jìn)行分析可以得到一組倒譜參數(shù)。倒譜參數(shù)被認(rèn)為是更適用于語音識別的一組參數(shù)。語音分析技術(shù)常被用于語音編碼壓縮,形成各種中速、低速編碼的新方案。例如子帶編碼、交換編碼、自適應(yīng)預(yù)測編碼、多脈沖激勵線性預(yù)測編碼、碼激勵線性預(yù)測編碼等。語音識別也是基于語音分析的結(jié)果,進(jìn)行參數(shù)的分類與識別,運(yùn)用不同的參數(shù),可以導(dǎo)致不同的識別結(jié)果。利用語音分析技術(shù)還可以設(shè)計制造用于發(fā)音的各種矯正儀器,可供發(fā)音器官疾病的治療或聾啞人發(fā)音訓(xùn)練等使用。語音分析的常用儀器有語圖儀,用于語音動態(tài)頻譜的分析及記錄。實時數(shù)字語圖儀是一種新的語圖儀。語音分析更常用的方法是利用通用微機(jī)加入語音處理設(shè)置,通過專用軟件計算獲得。
語音理解(speech understanding) 利用知識表達(dá)和組織等人工智能技術(shù)進(jìn)行語句自動識別和語意理解。同語音識別的主要不同點是對語法和語義知識的充分利用程度。語音理解起源于美國,1971年,美國遠(yuǎn)景研究計劃局(ARPA)資助了一個龐大的研究項目,該項目要達(dá)到的目標(biāo)叫做語音理解系統(tǒng)。由于人對語音有廣泛的知識,可以對要說的話有一定的預(yù)見性,所以人對語音具有感知和分析能力。依靠人對語言和談?wù)摰膬?nèi)容所具有的廣泛知識,利用知識提高計算機(jī)理解語言的能力,就是語音理解研究的核心。利用理解能力,可以使系統(tǒng)提高性能:①能排除噪聲和嘈雜聲;②能理解上下文的意思并能用它來糾正錯誤,澄清不確定的語義;③能夠處理不合語法或不完整的語句。因此,研究語音理解的目的,可以說是與其研究系統(tǒng)仔細(xì)地去識別每一個單詞,倒不如去研究系統(tǒng)能抓住說話的要旨更為有效。一個語音理解系統(tǒng)除了包括原語音識別所要求的 部分之外,還須添入知識處理部分。知識處理包括知識的自動收集、知識庫的形成,知識的推理與檢驗等。當(dāng)然還希望能有自動地作知識修正的能力。因此語音理解可以認(rèn)為是信號處理與知識處理結(jié)合的產(chǎn)物。語音知識包括音位知識、音變知識、韻律知識、詞法知識、句法知識,語義知識以及語用知識。這些知識涉及實驗語音學(xué)、漢語語法、自然語言理解、以及知識搜索等許多交叉學(xué)科。初步研制成功的語音理解系統(tǒng)稱為HEARSAY系統(tǒng)。它是利用一種公用“黑板"作為知識庫,環(huán)繞此黑板的是一系列專家系統(tǒng),分別提取及搜索有關(guān)音位、音變……等各種知識。以后能進(jìn)一步達(dá)到預(yù)計目標(biāo)的系統(tǒng)是HARPY系統(tǒng),該系統(tǒng)用語言的有限狀態(tài)模型,通過唯一的一個統(tǒng)一的網(wǎng)絡(luò)把彼此分離的各種知識源集中起來,這個統(tǒng)一的網(wǎng)絡(luò),稱為知識編譯器。不同理解系統(tǒng)在利用知識的策略或組織方面各有不同的特點。完善的語音理解系統(tǒng)是人們夢寐以求的研究理想,但這并非短期內(nèi)能夠完全解決的研究課題。然而面向確定任務(wù)的語音理解系統(tǒng),例如只涉及有限的詞匯量,有一般比較通用的說話句型的語音理解系統(tǒng),以及可供一定范圍的工作人員使用的語音理解系統(tǒng),是可以實現(xiàn)的。因此,它對某些自動化應(yīng)用領(lǐng)域已有實用價值,例如飛機(jī)票預(yù)售系統(tǒng)、銀行業(yè)務(wù)、旅館業(yè)務(wù)的登記及詢問系統(tǒng)等。