本技術(shù)涉及人工智能開發(fā)與金融科技領(lǐng)域，尤其涉及基于人工智能的語音質(zhì)檢方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、在金融企業(yè)的呼叫中心運(yùn)營中，語音質(zhì)檢是評估客服服務(wù)質(zhì)量的關(guān)鍵環(huán)節(jié)。語音質(zhì)檢是指對語音內(nèi)容進(jìn)行質(zhì)量管理與檢測，檢測客服或者銷售人員是否使用規(guī)范用語、是否服務(wù)到位。一般通過對客服電話進(jìn)行錄音獲得待質(zhì)檢音頻，或者通過對銷售過程進(jìn)行雙錄獲得待質(zhì)檢音頻。通過對待質(zhì)檢音頻進(jìn)行語音質(zhì)檢，能夠促進(jìn)企業(yè)營銷、市場開拓，提高客戶滿意度，完善客戶服務(wù)。

2、目前的語音質(zhì)檢方式主要采用人工評估方式，根據(jù)業(yè)務(wù)規(guī)則進(jìn)行人為判斷，然而，人為判斷難免存在疏漏，并且具有效率較低、耗時較長及成本較高等問題，無法有效地對語音進(jìn)行質(zhì)檢。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例的目的在于提出一種基于人工智能的語音質(zhì)檢方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)，以解決現(xiàn)有的語音質(zhì)檢方式主要采用人工聽評方式，根據(jù)業(yè)務(wù)規(guī)則進(jìn)行人為判斷，然而，人為判斷難免存在疏漏，并且具有效率較低、耗時較長及成本較高等問題，無法有效地對語音進(jìn)行質(zhì)檢的技術(shù)問題。

2、為了解決上述技術(shù)問題，本技術(shù)實施例提供一種基于人工智能的語音質(zhì)檢方法，采用了如下所述的技術(shù)方案：

3、接收待質(zhì)檢的語音數(shù)據(jù)，并對所述語音數(shù)據(jù)進(jìn)行預(yù)處理得到對應(yīng)的目標(biāo)數(shù)據(jù)；

4、調(diào)用預(yù)先構(gòu)建的概念識別模型對所述目標(biāo)數(shù)據(jù)進(jìn)行識別處理，得到與所述目標(biāo)數(shù)據(jù)對應(yīng)的目標(biāo)概念；

5、獲取與所述目標(biāo)概念對應(yīng)的解釋；

6、基于預(yù)設(shè)的評估規(guī)則生成與所述解釋對應(yīng)的忠實度量化值與可讀性量化值；

7、基于所述忠實度量化值與所述可讀性量化值，從所有所述解釋中篩選出目標(biāo)解釋；

8、基于預(yù)設(shè)的關(guān)鍵詞庫從所述目標(biāo)解釋中篩選出目標(biāo)問題關(guān)鍵詞；

9、基于所述目標(biāo)問題關(guān)鍵詞生成與所述語音數(shù)據(jù)對應(yīng)的質(zhì)檢報告。

10、進(jìn)一步的，所述對所述語音數(shù)據(jù)進(jìn)行預(yù)處理得到對應(yīng)的目標(biāo)數(shù)據(jù)的步驟，具體包括：

11、對所述語音數(shù)據(jù)進(jìn)行文本轉(zhuǎn)換處理，得到對應(yīng)的第一文本數(shù)據(jù)；

12、對所述第一文本數(shù)據(jù)進(jìn)行分詞處理，得到對應(yīng)的第二文本數(shù)據(jù)；

13、對所述第二文本數(shù)據(jù)進(jìn)行向量化處理，得到對應(yīng)的向量數(shù)據(jù)；

14、對所述向量數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，得到對應(yīng)的處理數(shù)據(jù)；

15、將所述處理數(shù)據(jù)作為所述目標(biāo)數(shù)據(jù)。

16、進(jìn)一步的，所述基于預(yù)設(shè)的評估規(guī)則生成與所述解釋對應(yīng)的忠實度量化值與可讀性量化值的步驟，具體包括：

17、獲取預(yù)設(shè)的忠實度算法與可讀性算法；

18、基于所述忠實度算法對所述解釋進(jìn)行計算處理，得到與所述解釋對應(yīng)的忠實度量化值；

19、基于所述可讀性算法對所述解釋進(jìn)行計算處理，得到與所述解釋對應(yīng)的可讀性量化值。

20、進(jìn)一步的，所述基于所述忠實度量化值與所述可讀性量化值，從所有所述解釋中篩選出目標(biāo)解釋的步驟，具體包括：

21、獲取與忠實度對應(yīng)的忠誠度閾值；

22、獲取與可讀性對應(yīng)的可讀性閾值；

23、從所有所述解釋中篩選出忠實度量化值大于所述忠誠度閾值，且可讀性量化值大于所述可讀性閾值的指定解釋；

24、將所述指定解釋作為所述目標(biāo)解釋。

25、進(jìn)一步的，所述基于所述目標(biāo)問題關(guān)鍵詞生成與所述語音數(shù)據(jù)對應(yīng)的質(zhì)檢報告的步驟，具體包括：

26、基于預(yù)設(shè)的信息類型，獲取與所述目標(biāo)問題關(guān)鍵詞對應(yīng)的關(guān)聯(lián)信息；

27、基于所述目標(biāo)問題關(guān)鍵詞與所述關(guān)聯(lián)信息生成對應(yīng)的潛在問題數(shù)據(jù)；

28、調(diào)用預(yù)設(shè)的質(zhì)檢報告模板；

29、基于所述潛在問題數(shù)據(jù)與所述質(zhì)檢報告模板生成與所述語音數(shù)據(jù)對應(yīng)的所述質(zhì)檢報告。

30、進(jìn)一步的，在所述調(diào)用預(yù)先構(gòu)建的概念識別模型對所述目標(biāo)數(shù)據(jù)進(jìn)行識別處理，得到與所述目標(biāo)數(shù)據(jù)對應(yīng)的目標(biāo)概念的步驟之前，還包括：

31、獲取預(yù)先構(gòu)建的語音樣本數(shù)據(jù)；

32、調(diào)用預(yù)設(shè)的初始識別模型；

33、基于所述語音樣本數(shù)據(jù)對所述初始識別模型進(jìn)行預(yù)訓(xùn)練處理，得到對應(yīng)的第一識別模型；

34、獲取預(yù)先構(gòu)建的與指定概念對應(yīng)的指定語音樣本數(shù)據(jù)；

35、基于所述指定語音樣本數(shù)據(jù)對所述第一識別模型進(jìn)行微調(diào)處理，得到對應(yīng)的第二識別模型；

36、將所述第二識別模型作為所述概念識別模型。

37、進(jìn)一步的，在所述基于所述目標(biāo)問題關(guān)鍵詞生成與所述語音數(shù)據(jù)對應(yīng)的質(zhì)檢報告的步驟之后，還包括：

38、確定與語音質(zhì)檢處理對應(yīng)的目標(biāo)團(tuán)隊；

39、調(diào)用預(yù)設(shè)的數(shù)據(jù)發(fā)送接口；

40、基于所述數(shù)據(jù)發(fā)送接口將所述質(zhì)檢報告發(fā)送至所述目標(biāo)團(tuán)隊。

41、為了解決上述技術(shù)問題，本技術(shù)實施例還提供一種基于人工智能的語音質(zhì)檢裝置，采用了如下所述的技術(shù)方案：

42、處理模塊，用于接收待質(zhì)檢的語音數(shù)據(jù)，并對所述語音數(shù)據(jù)進(jìn)行預(yù)處理得到對應(yīng)的目標(biāo)數(shù)據(jù)；

43、識別模塊，用于調(diào)用預(yù)先構(gòu)建的概念識別模型對所述目標(biāo)數(shù)據(jù)進(jìn)行識別處理，得到與所述目標(biāo)數(shù)據(jù)對應(yīng)的目標(biāo)概念；

44、第一獲取模塊，用于獲取與所述目標(biāo)概念對應(yīng)的解釋；

45、第一生成模塊，用于基于預(yù)設(shè)的評估規(guī)則生成與所述解釋對應(yīng)的忠實度量化值與可讀性量化值；

46、第一篩選模塊，用于基于所述忠實度量化值與所述可讀性量化值，從所有所述解釋中篩選出目標(biāo)解釋；

47、第二篩選模塊，用于基于預(yù)設(shè)的關(guān)鍵詞庫從所述目標(biāo)解釋中篩選出目標(biāo)問題關(guān)鍵詞；

48、第二生成模塊，用于基于所述目標(biāo)問題關(guān)鍵詞生成與所述語音數(shù)據(jù)對應(yīng)的質(zhì)檢報告。

49、為了解決上述技術(shù)問題，本技術(shù)實施例還提供一種計算機(jī)設(shè)備，采用了如下所述的技術(shù)方案：

50、接收待質(zhì)檢的語音數(shù)據(jù)，并對所述語音數(shù)據(jù)進(jìn)行預(yù)處理得到對應(yīng)的目標(biāo)數(shù)據(jù)；

51、調(diào)用預(yù)先構(gòu)建的概念識別模型對所述目標(biāo)數(shù)據(jù)進(jìn)行識別處理，得到與所述目標(biāo)數(shù)據(jù)對應(yīng)的目標(biāo)概念；

52、獲取與所述目標(biāo)概念對應(yīng)的解釋；

53、基于預(yù)設(shè)的評估規(guī)則生成與所述解釋對應(yīng)的忠實度量化值與可讀性量化值；

54、基于所述忠實度量化值與所述可讀性量化值，從所有所述解釋中篩選出目標(biāo)解釋；

55、基于預(yù)設(shè)的關(guān)鍵詞庫從所述目標(biāo)解釋中篩選出目標(biāo)問題關(guān)鍵詞；

56、基于所述目標(biāo)問題關(guān)鍵詞生成與所述語音數(shù)據(jù)對應(yīng)的質(zhì)檢報告。

57、為了解決上述技術(shù)問題，本技術(shù)實施例還提供一種計算機(jī)可讀存儲介質(zhì)，采用了如下所述的技術(shù)方案：

58、接收待質(zhì)檢的語音數(shù)據(jù)，并對所述語音數(shù)據(jù)進(jìn)行預(yù)處理得到對應(yīng)的目標(biāo)數(shù)據(jù)；

59、調(diào)用預(yù)先構(gòu)建的概念識別模型對所述目標(biāo)數(shù)據(jù)進(jìn)行識別處理，得到與所述目標(biāo)數(shù)據(jù)對應(yīng)的目標(biāo)概念；

60、獲取與所述目標(biāo)概念對應(yīng)的解釋；

61、基于預(yù)設(shè)的評估規(guī)則生成與所述解釋對應(yīng)的忠實度量化值與可讀性量化值；

62、基于所述忠實度量化值與所述可讀性量化值，從所有所述解釋中篩選出目標(biāo)解釋；

63、基于預(yù)設(shè)的關(guān)鍵詞庫從所述目標(biāo)解釋中篩選出目標(biāo)問題關(guān)鍵詞；

64、基于所述目標(biāo)問題關(guān)鍵詞生成與所述語音數(shù)據(jù)對應(yīng)的質(zhì)檢報告。

65、與現(xiàn)有技術(shù)相比，本技術(shù)實施例主要有以下有益效果：

66、本技術(shù)首先接收待質(zhì)檢的語音數(shù)據(jù)，并對所述語音數(shù)據(jù)進(jìn)行預(yù)處理得到對應(yīng)的目標(biāo)數(shù)據(jù)；然后調(diào)用預(yù)先構(gòu)建的概念識別模型對所述目標(biāo)數(shù)據(jù)進(jìn)行識別處理，得到與所述目標(biāo)數(shù)據(jù)對應(yīng)的目標(biāo)概念；之后獲取與所述目標(biāo)概念對應(yīng)的解釋；并基于預(yù)設(shè)的評估規(guī)則生成與所述解釋對應(yīng)的忠實度量化值與可讀性量化值；后續(xù)基于所述忠實度量化值與所述可讀性量化值，從所有所述解釋中篩選出目標(biāo)解釋；進(jìn)一步基于預(yù)設(shè)的關(guān)鍵詞庫從所述目標(biāo)解釋中篩選出目標(biāo)問題關(guān)鍵詞；最后基于所述目標(biāo)問題關(guān)鍵詞生成與所述語音數(shù)據(jù)對應(yīng)的質(zhì)檢報告。本技術(shù)在對待質(zhì)檢的語音數(shù)據(jù)進(jìn)行預(yù)處理得到目標(biāo)數(shù)據(jù)后，通過使用概念識別模型對所述目標(biāo)數(shù)據(jù)進(jìn)行識別處理得到目標(biāo)概念，并獲取與所述目標(biāo)概念對應(yīng)的解釋，進(jìn)而基于評估規(guī)則對解釋進(jìn)行的忠實度和可讀性進(jìn)行評估并篩選出目標(biāo)解釋，后續(xù)基于預(yù)設(shè)的關(guān)鍵詞庫從所述目標(biāo)解釋中篩選出目標(biāo)問題關(guān)鍵詞，最后基于所述目標(biāo)問題關(guān)鍵詞實現(xiàn)自動準(zhǔn)確地生成與所述語音數(shù)據(jù)對應(yīng)的質(zhì)檢報告，減少了對人工評估的依賴，無需過多的人工參與，有效地提高了語音質(zhì)檢的效率與準(zhǔn)確性。