一、传统语音质检存在的问题

1、人工质检抽样比覆盖不足：集团的业务的迅猛发展，业务量的增加，导致质检人员缺口增加，质检抽样比度则会大大下降。

2、人工质检完成速度存在局限性：比如：熟练质检员每日可以完成40-50通电话的质检工作，而新质检员则只能完成20-30通;质检的滞后性。

3、人工质检存在人为判断误差：情绪波动、工作疲劳或者人情等因素的影响;对于质检人员，由于岗位限制更多的关注公平公正，而非对企业有价值部分需求挖掘。

4、人工质检结果无法归类分析：现有的质检结果信息较单一，无法做分类汇总或者做类别交叉分析，也无法进行最根本原因分析。最终也无法形成相对比较正式规划的数据报表。

二、智能语音分析的实现

1、语音转写

基于非特定人的、连续自然语音的识别。可针对客服领域录音、及特定业务进行优化，实现通话内容自动转写成文字。

将分离后的语音通过声学模型转换为对应的汉语音标符号，音标信息再通过超大词汇网络的语言模型识别出最终对应的文本内容。

根据地方口音及说法特点，通过大量语料训练，不断优化声学模型及语言模型。

结合业务知识和服务范围，优化关注业务的识别效果，修正语音转写结果。

2、关键词检出

通过分析指定语音段，检测到指定关键词，并返回该关键词所在整条语音中的位置。

• 流程规范检查：对录音中的关键词顺序进行分析，检查客服人员是否按照流程规定的顺序说出合理话树，关键词是否完备

• 服务忌语检查：检查客服人员对话中是否包含服务忌语。

3、话者分离

是指在用户与坐席人员的语音交互录音文件中，将“用户”语音和“坐席人员”的语音进行分离，提供针对性分析应用基础。

4、情绪检测

情绪检测，能够将客服领域通话录音中的异常情绪检测出来，得到包含发音人情绪异常的数据列表，给出对应的异常产生位置及可信度。