本發(fā)明涉及智能外呼，具體為一種ai智能外呼系統(tǒng)的對話管理方法及系統(tǒng)。

背景技術：

1、隨著人工智能技術的快速發(fā)展，ai智能外呼系統(tǒng)已經(jīng)成為企業(yè)與客戶進行高效溝通的重要工具，傳統(tǒng)的外呼系統(tǒng)主要依賴于人工操作，存在效率低下、成本高昂等問題，而ai智能外呼系統(tǒng)則能夠利用自然語言處理、語音識別、機器學習等先進技術，實現(xiàn)自動化的呼叫、對話及數(shù)據(jù)管理，大大提高了企業(yè)的客戶服務效率和營銷效果。

2、在申請公布號為cn111104502a的中國發(fā)明申請中，公開了一種外呼系統(tǒng)的對話管理方法、系統(tǒng)、電子設備和存儲介質(zhì)，所述對話管理方法包括：獲取語義信息；根據(jù)所述語義信息更新當前的對話狀態(tài)；將所述對話狀態(tài)輸入到預存的狀態(tài)機中進行狀態(tài)跳轉(zhuǎn)；所述外呼系統(tǒng)根據(jù)所述狀態(tài)機跳轉(zhuǎn)后的狀態(tài)進行輸出問答，同時也使用強化學習提升對話系統(tǒng)泛化性能。

3、在申請公布號為cn115048500a的中國發(fā)明申請中，公開了一種基于機器學習的外呼對話管理智能選擇方法及系統(tǒng)，該方法包括：根據(jù)用戶特征建立業(yè)務分類模型，利用機器學習算法預訓練所述業(yè)務分類模型，生成業(yè)務分類結(jié)果；根據(jù)所述業(yè)務分類結(jié)果，選擇不同的對話管理模塊，送入ai外呼裝置；利用所述ai外呼裝置，根據(jù)所選擇的對話管理模塊執(zhí)行不同的外呼對話策略，運行相應的外呼任務。

4、結(jié)合以上發(fā)明申請，現(xiàn)有技術存在以下不足：

5、1、現(xiàn)有技術往往只停留在對單一階數(shù)的差異系數(shù)進行簡單的計算和比較，缺乏更深入的分析和處理，這導致智能外呼系統(tǒng)無法準確地反映語音信號的特征變化，也無法有效地適應不同用戶的語音特點和習慣，尤其是在處理復雜或多樣化的語音輸入時，智能外呼系統(tǒng)可能會出現(xiàn)識別錯誤或理解偏差；

6、2、智能外呼系統(tǒng)可能只關注語音信號的某些方面，如信噪比或清晰度，而忽略了其他重要因素，如語音的流暢性、自然度或情感表達等，難以準確判斷語音信號的質(zhì)量是否滿足要求，當遇到低質(zhì)量的語音信號時，智能外呼系統(tǒng)可能無法及時做出正確的響應，導致誤解或無法識別的問題發(fā)生。

技術實現(xiàn)思路

1、(一)解決的技術問題

2、針對現(xiàn)有技術的不足，本發(fā)明提供了一種ai智能外呼系統(tǒng)的對話管理方法及系統(tǒng)，將語音信號經(jīng)過快速傅里葉變換得到頻譜，使用高斯函數(shù)近似濾波器的頻率響應，進行點乘操作，并求和得到濾波器的能量，通過計算相鄰濾波器能量對數(shù)之間的差值獲得一階差異系數(shù)，進行遞歸計算獲得多階差異系數(shù)，計算獲得每階差異系數(shù)的差異系數(shù)波動指數(shù)，將差異系數(shù)波動指數(shù)最小值所在的階數(shù)作為多階差異系數(shù)的階數(shù)，計算語音峰值強度與噪聲強度之間的差值，并求和計算獲得清晰度指數(shù)，通過多階差異系數(shù)計算多階差異系數(shù)的標準差，結(jié)合清晰度指數(shù)以及信噪比，計算獲得語音質(zhì)量評估值，當語音質(zhì)量評估值小于質(zhì)量閾值時，切換人工外呼，解決了背景技術中提到的問題。

3、(二)技術方案

4、為實現(xiàn)以上目的，本發(fā)明通過以下技術方案予以實現(xiàn)：一種ai智能外呼系統(tǒng)的對話管理方法，包括以下步驟：

5、對語音信號進行采樣，將若干個樣本的語音信號經(jīng)過快速傅里葉變換得到語音信號的頻譜，使用高斯函數(shù)近似濾波器的頻率響應，將快速傅里葉變換結(jié)果與濾波器的頻率響應進行點乘操作，并求和以得到每個濾波器的能量；

6、對若干個濾波器的能量進行對數(shù)變換，通過計算相鄰濾波器能量對數(shù)之間的差值獲得一階差異系數(shù)，通過計算相鄰一階差異系數(shù)之間的差值獲得二階差異系數(shù)，進行遞歸計算獲得多階差異系數(shù)；

7、通過對每一階的差異系數(shù)進行分析，計算獲得差異系數(shù)波動指數(shù)，計算獲得每階差異系數(shù)的差異系數(shù)波動指數(shù)，選擇差異系數(shù)波動指數(shù)最小值所在的階數(shù)，作為多階差異系數(shù)的階數(shù)；

8、對每個濾波器，計算語音峰值強度與噪聲強度之間的差值，并求和計算獲得清晰度指數(shù)，通過多階差異系數(shù)計算多階差異系數(shù)的標準差，結(jié)合清晰度指數(shù)以及信噪比，計算獲得語音質(zhì)量評估值，當語音質(zhì)量評估值小于質(zhì)量閾值時，切換人工外呼。

9、進一步的，對采樣得到的若干個樣本的語音信號進行快速傅里葉變換，將時域中的語音信號轉(zhuǎn)換到頻域中，得到語音信號的頻譜，計算公式如下：

10、

11、其中，x[k]表示快速傅里葉變換結(jié)果，k表示頻率索引，k＝1,2...,n，n為正整數(shù)，x[n]是時域中的第n個樣本，n＝1,2...,n，n為正整數(shù)，j是虛數(shù)單位，且j2＝-1。

12、進一步的，使用高斯函數(shù)近似gammatone濾波器的頻率響應，計算公式如下：

13、

14、其中，hm[k]表示濾波器的頻率響應，f[k]表示頻率數(shù)組中的第k個頻率點，fc是濾波器的中心頻率，σ是高斯函數(shù)的標準差。

15、進一步的，將快速傅里葉變換結(jié)果與gammatone濾波器的頻率響應進行點乘操作，并求和以得到每個濾波器的能量，計算公式如下：

16、

17、其中，em表示第m個gammatone濾波器的能量，x[k]表示快速傅里葉變換結(jié)果，hm[k表示gammatone濾波器的頻率響應，k表示頻率索引，k＝1,2…,n，n為正整數(shù)。

18、進一步的，對若干個濾波器的能量進行對數(shù)變換，通過計算相鄰濾波器能量對數(shù)之間的差值獲得一階差異系數(shù)，通過計算相鄰一階差異系數(shù)之間的差值獲得二階差異系數(shù)，計算公式如下：

19、

20、其中，δlogem表示一階差異系數(shù)，δ2logem表示二階差異系數(shù)，em表示第m個gammatone濾波器的能量。

21、進一步的，進行遞歸計算獲得多階差異系數(shù)，計算公式如下：

22、δp?logem＝δp-1logem+1-δp-1logem

23、其中，δplogem表示多階差異系數(shù)，p表示階數(shù)。

24、進一步的，通過對每一階的差異系數(shù)進行分析，計算獲得差異系數(shù)波動指數(shù)，計算公式如下：

25、

26、其中，mdv表示差異系數(shù)波動指數(shù)，δp?logem表示第m個p階差異系數(shù)，m＝1,2,…,m，m為正整數(shù)，μ表示m個p階差異系數(shù)的均值；

27、計算獲得每一階差異系數(shù)的差異系數(shù)波動指數(shù)，選擇差異系數(shù)波動指數(shù)最小值所在的階數(shù)，作為多階差異系數(shù)的階數(shù)。

28、進一步的，對每個濾波器，測量語音峰值和噪聲的強度，計算語音峰值強度與噪聲強度之間的差值，并求和計算獲得清晰度指數(shù)，計算公式如下：

29、

30、其中，ci表示清晰度指數(shù)，pm表示第m個濾波器的語音峰值強度，nim表示第m個濾波器的噪聲強度，m＝1,2,…,m，m為正整數(shù)。

31、進一步的，獲取確定了階數(shù)的多階差異系數(shù)并計算多階差異系數(shù)的標準差，結(jié)合清晰度指數(shù)以及信噪比，計算獲得語音質(zhì)量評估值，計算公式如下：

32、

33、其中，vq表示語音質(zhì)量評估值，δp?logem表示第m個p階差異系數(shù)，μ表示p階差異系數(shù)的均值，ci表示清晰度指數(shù)，snr表示信噪比，k1、k2以及k3表示權(quán)重系數(shù)，0<k1<1，0<k2<1，0<k3<1。

34、一種ai智能外呼系統(tǒng)的對話管理系統(tǒng)，包括：語音信號處理模塊、多階差異系數(shù)生成模塊、差異系數(shù)選擇模塊以及語音質(zhì)量評估模塊；其中，

35、語音信號處理模塊，對語音信號進行采樣，將若干個樣本的語音信號經(jīng)過快速傅里葉變換得到語音信號的頻譜，使用高斯函數(shù)近似濾波器的頻率響應，將快速傅里葉變換結(jié)果與濾波器的頻率響應進行點乘操作，并求和以得到每個濾波器的能量；

36、多階差異系數(shù)生成模塊，對若干個濾波器的能量進行對數(shù)變換，通過計算相鄰濾波器能量對數(shù)之間的差值獲得一階差異系數(shù)，通過計算相鄰一階差異系數(shù)之間的差值獲得二階差異系數(shù)，進行遞歸計算獲得多階差異系數(shù)；

37、差異系數(shù)選擇模塊，通過對每一階的差異系數(shù)進行分析，計算獲得差異系數(shù)波動指數(shù)，計算獲得每階差異系數(shù)的差異系數(shù)波動指數(shù)，選擇差異系數(shù)波動指數(shù)最小值所在的階數(shù)，作為多階差異系數(shù)的階數(shù)；

38、對話管理模塊，對每個濾波器，計算語音峰值強度與噪聲強度之間的差值，并求和計算獲得清晰度指數(shù)，通過多階差異系數(shù)計算多階差異系數(shù)的標準差，結(jié)合清晰度指數(shù)以及信噪比，計算獲得語音質(zhì)量評估值，當語音質(zhì)量評估值小于質(zhì)量閾值時，切換人工外呼。

39、(三)有益效果

40、本發(fā)明提供了一種ai智能外呼系統(tǒng)的對話管理方法及系統(tǒng)，具備以下有益效果：

41、(1)通過對語音信號進行采樣和快速傅里葉變換，可以得到語音信號的頻譜，有助于更好地理解和分析語音信號的特性，進一步使用高斯函數(shù)近似gammatone濾波器的頻率響應，可以更精確地模擬人耳對聲音的感知特性，從而提取出更為關鍵和有效的語音特征，用于后續(xù)的語音識別、語音合成等任務，提高系統(tǒng)的性能和準確性。

42、(2)通過對濾波器能量進行對數(shù)變換和差異系數(shù)的計算，可以有效地消除數(shù)據(jù)中的非平穩(wěn)性，使數(shù)據(jù)更加穩(wěn)定，這對于ai智能外呼系統(tǒng)的對話管理尤為重要，因為穩(wěn)定的數(shù)據(jù)有助于系統(tǒng)更準確地識別和分析對話中的關鍵信息。

43、(3)通過對每一階的差異系數(shù)進行深入分析，并計算其差異系數(shù)波動指數(shù)，找到能夠最穩(wěn)定、最準確地反映語音信號特性的階數(shù)，差異系數(shù)波動指數(shù)越小，意味著該階數(shù)的差異系數(shù)變化范圍越小，穩(wěn)定性越高，因此更適合作為多階差異系數(shù)的階數(shù)，有助于減少ai智能外呼系統(tǒng)的誤差和不確定性，從而提升系統(tǒng)的整體穩(wěn)定性和可靠性。

44、(4)通過結(jié)合多階差異系數(shù)、清晰度指數(shù)和信噪比等多個指標對語音質(zhì)量進行精確評估，能夠更加準確地判斷何時需要切換到人工外呼，通過結(jié)合多種語音質(zhì)量評估指標和自動切換機制，ai智能外呼系統(tǒng)的智能水平得到了提升，能夠更好地應對復雜多變的語音環(huán)境，為用戶提供更加智能、高效的服務。