基于語(yǔ)音識(shí)別的IVR系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

1 引言
IVR系統(tǒng)（Interactive Voice Response）,即交互式語(yǔ)音應(yīng)答系統(tǒng)，它被應(yīng)用于呼叫中心(Call Center),以提高呼叫服務(wù)的質(zhì)量、減輕服務(wù)員的工作強(qiáng)度并節(jié)省費(fèi)用，是呼叫中心實(shí)現(xiàn)人機(jī)交互的重要門(mén)戶，在傳統(tǒng)的IVR系統(tǒng)中，用戶與系統(tǒng)交互的方式是通過(guò)電話的鍵盤(pán)。通常，用戶在進(jìn)入IVR系統(tǒng)后，會(huì)聽(tīng)到相關(guān)的語(yǔ)音提示選單，根據(jù)自己的需要可以按下鍵盤(pán)上相關(guān)的按鍵。系統(tǒng)通過(guò)DTMF信號(hào)傳送用戶按下的鍵，同時(shí)也將用戶的請(qǐng)求傳送給系統(tǒng)，從而觸發(fā)相關(guān)的語(yǔ)音信息。然而，傳統(tǒng)的電話僅能通過(guò)DTMF信號(hào)，傳送有限的幾個(gè)數(shù)字及符號(hào)按鍵。這使得用戶與系統(tǒng)的交互界面受到很大的限制，同時(shí)也就使得IVR系統(tǒng)的信息查詢范圍變得相當(dāng)狹窄，用戶在實(shí)際使用時(shí)會(huì)感到諸多不便。

隨著計(jì)算機(jī)技術(shù)和人工智能總體技術(shù)的發(fā)展，自然語(yǔ)言理解不斷取得進(jìn)展。語(yǔ)音識(shí)別系統(tǒng)已成為一個(gè)越來(lái)越廣泛的應(yīng)用方向。由于電話網(wǎng)絡(luò)的普及性，自然語(yǔ)言處理系統(tǒng)在電話信道上的應(yīng)用已成為最重要的應(yīng)用之一。而且隨著移動(dòng)通信技術(shù)的發(fā)展和人們對(duì)于信息獲取的移動(dòng)性的需求不斷增加，市場(chǎng)對(duì)于電話語(yǔ)音識(shí)別系統(tǒng)的需求也不斷的增加。因此在新一代呼叫中心的IVR系統(tǒng)中引入了語(yǔ)音識(shí)別技術(shù)作為用戶的輸入手段，用戶可以直接用語(yǔ)音與系統(tǒng)進(jìn)行交互，這樣大大提高了工作效率。

2 系統(tǒng)流程及主要模塊
本系統(tǒng)目標(biāo)是支持多用戶并發(fā)查詢車(chē)輛違章信息和駕駛證信息。用戶使用自然的語(yǔ)言說(shuō)出需查詢信息的類(lèi)別和車(chē)牌號(hào)碼，系統(tǒng)識(shí)別后將識(shí)別結(jié)果反饋給用戶，經(jīng)用戶確認(rèn)后，系統(tǒng)把識(shí)別結(jié)果作為后臺(tái)數(shù)據(jù)庫(kù)查詢的關(guān)鍵字進(jìn)行查詢，并將查詢結(jié)果播放給用戶。其流程見(jiàn)圖1。本系統(tǒng)主要包括以下幾個(gè)模塊：

話路處理模塊：以并發(fā)的方式控制和管理各電話話路。

語(yǔ)音識(shí)別模塊：負(fù)責(zé)查詢類(lèi)別和車(chē)牌號(hào)碼的識(shí)別。

后臺(tái)數(shù)據(jù)庫(kù)查詢模塊：將語(yǔ)音識(shí)別的結(jié)果作為數(shù)據(jù)庫(kù)查詢的關(guān)鍵字進(jìn)行查詢。

圖1 車(chē)輛違章信息和駕駛證信息查詢系統(tǒng)流程圖

3 話路處理模塊的實(shí)現(xiàn)
本系統(tǒng)的硬件部分是由電話語(yǔ)音卡和一臺(tái)PC機(jī)組成，語(yǔ)音卡通過(guò)其提供的語(yǔ)音處理和信令處理能力，來(lái)實(shí)現(xiàn)用戶的接入請(qǐng)求和掛機(jī)信號(hào)的檢測(cè)，并負(fù)責(zé)錄音和回放語(yǔ)音。本系統(tǒng)采用的是東進(jìn)D161A語(yǔ)音卡。該語(yǔ)音卡可接入16條模擬電話線，提供16路以內(nèi)的話路并行處理能力。其主要功能有：（1）自動(dòng)增益控制及語(yǔ)音信號(hào)的壓擴(kuò)變換；（2）采集和播放各種格式的電話語(yǔ)音信號(hào)，實(shí)現(xiàn)A律PCM、μ律PCM、ADPCM等算法；（3）辨識(shí)和產(chǎn)生DTMF信號(hào)；（4）ITU-TSS G3傳真功能。

話路處理的主要任務(wù)是電話振鈴檢測(cè)，播放系統(tǒng)提示語(yǔ)音信息，接受用戶的按鍵請(qǐng)求和語(yǔ)音請(qǐng)求，與后臺(tái)數(shù)據(jù)庫(kù)模塊通訊，檢索結(jié)果的語(yǔ)音合成和播放。整個(gè)模塊有點(diǎn)類(lèi)似于一個(gè)有限狀態(tài)機(jī)，在程序設(shè)計(jì)時(shí)要跟蹤系統(tǒng)所處的狀態(tài)進(jìn)行相應(yīng)的動(dòng)作，并進(jìn)入下一個(gè)狀態(tài)，其程序流程如圖2所示。

本系統(tǒng)話路處理模塊的關(guān)鍵部分是語(yǔ)音數(shù)據(jù)的實(shí)時(shí)采集。東進(jìn)語(yǔ)音卡在這方面提供了一系列接口函數(shù)，如：StartRecordFile、StartRecordFileNew、VR_StartRecord等。這幾個(gè)函數(shù)都能夠?qū)崿F(xiàn)對(duì)通道的錄音，所不同的是前兩個(gè)函數(shù)將語(yǔ)音數(shù)據(jù)保存到磁盤(pán)文件，后一個(gè)函數(shù)則將語(yǔ)音數(shù)據(jù)保存到存儲(chǔ)器緩沖區(qū)。由于我們要實(shí)現(xiàn)的是一個(gè)實(shí)時(shí)語(yǔ)音識(shí)別系統(tǒng)，因此我們采用后者來(lái)采集語(yǔ)音數(shù)據(jù)。在開(kāi)始錄音之前，我們首先調(diào)用VR_SetEcrMode函數(shù)啟動(dòng)回聲抑制功能，然后每隔一段時(shí)間調(diào)用一次VR_GetRecordData函數(shù)取得錄音數(shù)據(jù)，并將其送入語(yǔ)音識(shí)別引擎。當(dāng)語(yǔ)音識(shí)別引擎有識(shí)別結(jié)果返回時(shí)，停止錄音，并根據(jù)識(shí)別結(jié)果轉(zhuǎn)入下一個(gè)狀態(tài)。

圖2 話路處理流程