[發(fā)明專利]一種保險雙錄場景語音角色分離平板系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011358180.2
• 申請日: 2020-11-27
• 公開（公告）號: CN112562715A
• 公開（公告）日: 2021-03-26
• 發(fā)明（設(shè)計）人: 王建兵;汪松
• 申請（專利權(quán)）人: 上海容大數(shù)字技術(shù)有限公司
• 主分類號: G10L21/0216
• 分類號: G10L21/0216;G10L21/0208;G10L15/20;G06F1/16;G06F3/16
• 代理公司: 深圳至誠化育知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44728
• 代理人: 劉英

本發(fā)明公開了一種保險雙錄場景語音角色分離平板系統(tǒng)，包括電源模塊、身份識別模塊、環(huán)形麥克風(fēng)模塊、音頻濾波器模塊、音頻轉(zhuǎn)碼器、信號傳輸模塊、中央處理器、數(shù)據(jù)語義質(zhì)檢分析模塊、前端終端設(shè)備，通過該系統(tǒng)內(nèi)部模塊的配合使用，平板麥克風(fēng)系統(tǒng)打破了傳統(tǒng)的單麥語音采集方式，同時將雙向的語音進(jìn)行增強(qiáng)，并對周圍的噪聲進(jìn)行抑制，輸出干凈的雙聲道語音數(shù)據(jù)，這樣在后續(xù)的語音識別環(huán)節(jié)，處理后的音頻數(shù)據(jù)會帶來更好的轉(zhuǎn)寫識別效果，提升整體雙錄質(zhì)檢的效果。從硬件源頭就區(qū)分了客戶和銷售人員的語音數(shù)據(jù)，避免后續(xù)的軟件算法處理帶來的音頻疊加，提供通用的硬件接口接入平板系統(tǒng)，讓平板更智能、更專業(yè)。

技術(shù)領(lǐng)域

本發(fā)明涉及語音信號處理技術(shù)領(lǐng)域，具體為一種保險雙錄場景語音角色分離平板系統(tǒng)。

背景技術(shù)

在政策的深化作用下，傳統(tǒng)的保險雙錄方案解決了保險銷售環(huán)節(jié)的音視頻錄制及上傳問題，但是實際的質(zhì)檢工作還是依賴于人力，整體業(yè)務(wù)效率不高。人工質(zhì)檢需要花費與視頻時長一樣的時間來檢查銷售行為，是否合規(guī)，在業(yè)務(wù)激增時期，雙錄質(zhì)檢效率問題更加嚴(yán)重。

在2019年上半年，中國銀保監(jiān)會接收到的投訴總量中有42.63％是屬于銷售糾紛投訴，對銷售過程的監(jiān)管問題尤為重要，需要規(guī)范保險產(chǎn)品的銷售流程。其中對銷售人員的話術(shù)質(zhì)檢是雙錄質(zhì)檢中重要一環(huán)，可以檢測銷售人員是否按照保險公司的規(guī)范執(zhí)行保險銷售過程，對銷售過程進(jìn)行合規(guī)監(jiān)控，實時發(fā)現(xiàn)問題、實時提示、實時糾正，提升銷售的友好度，提升保單通過率。

例如申請?zhí)枮?01910180846.0中提出的一種基于深度學(xué)習(xí)的智能語音轉(zhuǎn)寫方法中提到的通過語音轉(zhuǎn)寫引擎、語音分析引擎和電視業(yè)務(wù)的有機(jī)結(jié)合，實現(xiàn)了視頻會議的錄音文件全程轉(zhuǎn)寫，同時智能定位特定與會人員，完成特定與會人員的播放和轉(zhuǎn)寫發(fā)言內(nèi)容，有效提高人工會議整理會議筆記的效率，還提高企業(yè)視頻會議的管理和應(yīng)用水平。

通過將智能語音技術(shù)與大數(shù)據(jù)技術(shù)結(jié)合，使用海量的數(shù)據(jù)對語音識別的聲學(xué)模型、語言模型進(jìn)行不間斷的訓(xùn)練，大大提升智能語音技術(shù)識別率，提高語音數(shù)據(jù)的轉(zhuǎn)寫速度，實現(xiàn)在智能視頻會議使用過程中，通過深度學(xué)習(xí)技術(shù)訓(xùn)練聲學(xué)模型和語言模型，使得智能語音具備自學(xué)能力，語音識別率會越來越高，同時形成較為成熟的基于視頻會議的智能語音模型庫。

傳統(tǒng)的這方式在角色音頻不搶話的場景下效果可達(dá)到實用目標(biāo)，但是在兩個角色同時說話時，效果較差，因為其固定的將每幀音頻劃分給某個角色，導(dǎo)致實際角色劃分的效果沒有達(dá)到目標(biāo)，轉(zhuǎn)寫文本效果下降，從而導(dǎo)致對銷售人員的語義質(zhì)檢沒有達(dá)到預(yù)期的效果。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種保險雙錄場景語音角色分離平板系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種保險雙錄場景語音角色分離平板系統(tǒng)，包括電源模塊、身份識別模塊、環(huán)形麥克風(fēng)模塊、音頻濾波器模塊、音頻轉(zhuǎn)碼器、信號傳輸模塊、中央處理器、數(shù)據(jù)語義質(zhì)檢分析模塊、前端終端設(shè)備，該保險雙錄場景語音角色分離平板系統(tǒng)，平板麥克風(fēng)系統(tǒng)打破了傳統(tǒng)的單麥語音采集方式，同時將雙向的語音進(jìn)行增強(qiáng)，并對周圍的噪聲進(jìn)行抑制，輸出干凈的雙聲道語音數(shù)據(jù)。這樣在后續(xù)的語音識別環(huán)節(jié)，處理后的音頻數(shù)據(jù)會帶來更好的轉(zhuǎn)寫識別效果，提升整體雙錄質(zhì)檢的效果，從硬件源頭就區(qū)分了客戶和銷售人員的語音數(shù)據(jù)，避免后續(xù)的軟件算法處理帶來的音頻疊加，提供通用的硬件接口接入平板系統(tǒng)，讓平板更智能、更專業(yè)。

優(yōu)選的，所述環(huán)形麥克風(fēng)模塊包含有四組麥克風(fēng)，分別為麥克風(fēng)1、麥克風(fēng)2、麥克風(fēng)3、麥克風(fēng)4，在語音采集時，使用,環(huán)形麥克風(fēng)來實現(xiàn)定向收音，在四個麥克風(fēng)收到的音頻中，同時開啟兩個任務(wù)，一個是對麥克風(fēng)1方向的語音進(jìn)行增強(qiáng)，一個是對麥克風(fēng)3方向的語音進(jìn)行增強(qiáng)，并輸出雙聲道音頻，平板麥克風(fēng)系統(tǒng)打破了傳統(tǒng)的單麥語音采集方式，同時將雙向的語音進(jìn)行增強(qiáng)，并對周圍的噪聲進(jìn)行抑制，輸出干凈的雙聲道語音數(shù)據(jù)，這樣在后續(xù)的語音識別環(huán)節(jié)，處理后的音頻數(shù)據(jù)會帶來更好的轉(zhuǎn)寫識別效果。

優(yōu)選的，所述環(huán)形麥克風(fēng)模塊可以隨時在任意角度進(jìn)行多次喚醒，輸出環(huán)形波束的識別音頻。