[發明專利]一種金融對話場景的語音情緒識別方法、裝置及存儲介質

在審

• 申請號: 202110674158.7
• 申請日: 2021-06-17
• 公開（公告）號: CN115497456A
• 公開（公告）日: 2022-12-20
• 發明（設計）人: 孟慶林;蔣寧;吳海英;王洪斌;劉敏;陳燕麗
• 申請（專利權）人: 北京中關村科金技術有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06;G10L15/16;G10L25/03;G10L25/63
• 代理公司: 北京萬思博知識產權代理有限公司 11694
• 代理人: 柴國偉

本申請公開了一種金融對話場景的語音情緒識別方法、裝置及存儲介質。其中，金融對話場景的語音情緒識別方法，包括：獲取待進行語音情緒識別的語音數據，其中語音數據為金融對話場景中產生的語音數據；確定語音數據的三維特征，其中三維特征包括梅爾頻譜圖特征、一階差分特征和二階差分特征；以及利用預設的語音情緒識別模型，對三維特征進行識別處理，得到與語音數據對應的語音情緒識別結果。

技術領域

本申請涉及情緒識別技術領域，特別是涉及一種金融對話場景的語音情緒識別方法、裝置及存儲介質。

背景技術

在消費金融場景中，每天都會有非常多的熱線、回訪、催收等業務在客服呼叫中心中處理。客服代表著公司的形象，提升客服服務質量，對客服服務態度進行有效監管十分重要。此外，對客戶在對話中的情緒狀態進行實時反饋也是提升服務質量的關鍵。傳統上對客服、客戶對話情緒進行反饋的方法通常為人工抽檢，費時費力且成本高昂。因此，目前消費金融領域中亟需一種可在語音對話中實時準確地獲取客服、客戶情緒狀態的系統。

在目前的金融領域客服對話場景中，語音情緒識別由于受到電話信道噪聲、方言等因素影響，準確率較低，且識別速度很多也難以滿足實時性需求，極大的增加了金融客服場景的情緒識別難度。目前金融領域客服對話場景中的語音情緒識別準確性能和識別實時性能都有待提升。在進行情緒分類時，可將客戶及坐席的情緒分為3種情緒(正向、中性、負向)，其中正向和中性由于語音情緒的相似性，識別精度一般較低，負向信息雖較為明顯，但當客服或客戶的負向信息識別有誤時，則會帶來較大的業務影響。此外，識別速度若較低，也無法滿足場景業務需求。

針對上述的現有技術中存在的金融對話場景中的語音情緒識別準確性低以及識別效率低的技術問題，目前尚未提出有效的解決方案。

發明內容

本公開的實施例提供了一種金融對話場景的語音情緒識別方法、裝置及存儲介質，以至少解決現有技術中存在的金融對話場景中的語音情緒識別準確性低以及識別效率低的技術問題。

根據本公開實施例的一個方面，提供了一種金融對話場景的語音情緒識別方法，包括：獲取待進行語音情緒識別的語音數據，其中語音數據為金融對話場景中產生的語音數據；確定語音數據的三維特征，其中三維特征包括梅爾頻譜圖特征、一階差分特征和二階差分特征；以及利用預設的語音情緒識別模型，對三維特征進行識別處理，得到與語音數據對應的語音情緒識別結果。

根據本公開實施例的另一個方面，還提供了一種存儲介質，存儲介質包括存儲的程序，其中，在程序運行時由處理器執行以上任意一項所述的方法。

根據本公開實施例的另一個方面，還提供了一種金融對話場景的語音情緒識別裝置，包括：語音數據獲取模塊，用于獲取待進行語音情緒識別的語音數據，其中語音數據為金融對話場景中產生的語音數據；三維特征確定模塊，用于確定語音數據的三維特征，其中三維特征包括梅爾頻譜圖特征、一階差分特征和二階差分特征；以及語音情緒識別模塊，用于利用預設的語音情緒識別模型，對三維特征進行識別處理，得到與語音數據對應的語音情緒識別結果。

根據本公開實施例的另一個方面，還提供了一種金融對話場景的語音情緒識別裝置，包括：處理器；以及存儲器，與處理器連接，用于為處理器提供處理以下處理步驟的指令：獲取待進行語音情緒識別的語音數據，其中語音數據為金融對話場景中產生的語音數據；確定語音數據的三維特征，其中三維特征包括梅爾頻譜圖特征、一階差分特征和二階差分特征；以及利用預設的語音情緒識別模型，對三維特征進行識別處理，得到與語音數據對應的語音情緒識別結果。