[發(fā)明專利]通過語音識(shí)別情緒的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201711362864.8
• 申請(qǐng)日: 2017-12-18
• 公開（公告）號(hào): CN109935240A
• 公開（公告）日: 2019-06-25
• 發(fā)明（設(shè)計(jì)）人: 余世經(jīng);朱頻頻
• 申請(qǐng)（專利權(quán)）人: 上海智臻智能網(wǎng)絡(luò)科技股份有限公司
• 主分類號(hào): G10L25/63
• 分類號(hào): G10L25/63;G10L25/24;G10L25/21;G10L25/18;G10L25/03
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發(fā)明實(shí)施例提供了一種通過語音識(shí)別情緒的方法、計(jì)算機(jī)設(shè)備和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，解決了現(xiàn)有技術(shù)無法實(shí)時(shí)監(jiān)測(cè)呼叫中心系統(tǒng)中客服和客戶的情緒狀態(tài)的問題。該通過語音識(shí)別情緒的方法包括：提取待識(shí)別音頻流中的語音片段的音頻特征向量，其中語音片段對(duì)應(yīng)待識(shí)別音頻流中的一段話；將語音片段的音頻特征向量與多個(gè)情緒特征模型進(jìn)行匹配，其中多個(gè)情緒特征模型分別對(duì)應(yīng)多個(gè)情緒分類之一；以及將匹配結(jié)果為相匹配的情緒特征模型所對(duì)應(yīng)的情緒分類作為語音片段的情緒分類。

技術(shù)領(lǐng)域

本發(fā)明涉及智能交互技術(shù)領(lǐng)域，具體涉及一種通過語音識(shí)別情緒的方法、計(jì)算機(jī)設(shè)備和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

呼叫中心系統(tǒng)是指一種利用現(xiàn)代通訊與計(jì)算機(jī)技術(shù)，自動(dòng)靈活地處理大量各種不同的電話呼入/呼出業(yè)務(wù)來實(shí)現(xiàn)服務(wù)運(yùn)營的操作系統(tǒng)。隨著經(jīng)濟(jì)發(fā)展，呼叫中心系統(tǒng)中客服交互的業(yè)務(wù)量也越來越大，及時(shí)和有效的跟蹤和監(jiān)測(cè)客服通話中客服和客戶的情緒狀態(tài)，對(duì)于企業(yè)提升其服務(wù)質(zhì)量具有重要的意義。目前，大多數(shù)企業(yè)主要依靠聘請(qǐng)專門的質(zhì)檢人員對(duì)通話錄音進(jìn)行抽樣監(jiān)聽來實(shí)現(xiàn)這一目的，這一方面會(huì)給企業(yè)帶來額外的成本，另一方面由于抽樣覆蓋范圍的不確定性、以及人為判定含有的主觀感情色彩，使得人工質(zhì)檢的效果存在一定的局限性。此外，質(zhì)檢人員只能在通話結(jié)束，獲得錄音以后對(duì)客服和客戶的情緒表現(xiàn)進(jìn)行事后的評(píng)價(jià)，而難以做到在通話進(jìn)行當(dāng)中去實(shí)時(shí)的監(jiān)測(cè)客服和客戶的情緒狀態(tài)，當(dāng)通話中客服或客戶出現(xiàn)非常負(fù)面的情緒時(shí)，也無法及時(shí)有效的對(duì)客服人員進(jìn)行提醒。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明實(shí)施例提供了一種通過語音識(shí)別情緒的方法、計(jì)算機(jī)設(shè)備和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，解決了現(xiàn)有技術(shù)無法實(shí)時(shí)監(jiān)測(cè)呼叫中心系統(tǒng)中客服和客戶的情緒狀態(tài)的問題。

本發(fā)明一實(shí)施例提供的一種通過語音識(shí)別情緒的方法包括：

提取待識(shí)別音頻流中的語音片段的音頻特征向量，其中所述語音片段對(duì)應(yīng)所述待識(shí)別音頻流中的一段話；

將所述語音片段的音頻特征向量與多個(gè)情緒特征模型進(jìn)行匹配，其中所述多個(gè)情緒特征模型分別對(duì)應(yīng)多個(gè)情緒分類之一，所述多個(gè)情緒特征模型通過對(duì)包括所述多個(gè)情緒分類對(duì)應(yīng)的情緒分類標(biāo)簽的多個(gè)預(yù)設(shè)語音片段各自的音頻特征向量進(jìn)行預(yù)學(xué)習(xí)而建立；以及

將匹配結(jié)果為相匹配的所述情緒特征模型所對(duì)應(yīng)的情緒分類作為所述語音片段的情緒分類；其中，所述音頻特征向量包括以下幾種音頻特征中的一種或多種：能量特征、發(fā)音幀數(shù)特征、基音頻率特征、共振峰特征、諧波噪聲比特征以及梅爾倒譜系數(shù)特征；所述語音片段包括所述待識(shí)別音頻流中的一次客服輸入語音段，所述多個(gè)情緒分類包括：滿意分類、平靜分類以及煩躁分類。

可選地，所述預(yù)學(xué)習(xí)過程包括：

將包括所述多個(gè)情緒分類對(duì)應(yīng)的情緒分類標(biāo)簽的多個(gè)預(yù)設(shè)語音片段各自的音頻特征向量進(jìn)行聚類處理，得到預(yù)設(shè)情緒分類的聚類結(jié)果；以及

根據(jù)所述聚類結(jié)果，將每個(gè)聚類中的所述預(yù)設(shè)語音片段的音頻特征向量訓(xùn)練為一個(gè)所述情緒特征模型。

可選地，當(dāng)所述情緒特征模型為混合高斯模型時(shí)，則所述將所述語音片段的音頻特征向量與多個(gè)情緒特征模型進(jìn)行匹配包括：

計(jì)算所述語音片段的音頻特征向量分別與所述多個(gè)情緒特征模型之間的似然概率；

其中，所述將匹配結(jié)果為相匹配的所述情緒特征模型所對(duì)應(yīng)的情緒分類作為所述語音片段的情緒分類包括：

將似然概率大于預(yù)設(shè)閾值且最大的所述情緒特征模型所對(duì)應(yīng)的情緒分類作為所述語音片段的情緒分類。

可選地，在提取待識(shí)別音頻流中的語音片段的音頻特征向量之前，進(jìn)一步包括：

確定所述待識(shí)別音頻流中的語音開始幀以及語音結(jié)束幀；以及

提取所述語音開始幀與所述語音結(jié)束幀之間的音頻流部分作為所述語音片段。