下载文档原格式
ASR技术在银行业呼叫中心的应用
李学丰
【期刊名称】《中国金融电脑》
【年(卷),期】2008(000)010
【摘要】ASR（自助语音识别）技术已经成为当前最热门的呼叫中心技术。
很多企业都已经从全新的ASR应用中切身体会到了新技术给业务带来的推动力。
ASR 技术可以为呼叫中心系统带来如下益处：降低运营成本、加强系统的安全性、丰富系统的功能及提高客户的操作感受。
【总页数】1页(P90)
【作者】李学丰
【作者单位】亿迅,中国,软件有限公司资深顾问
【正文语种】中文
【相关文献】
1.基于ASR的呼叫中心系统设计与可靠性研究 [J], 郭瑞
2.银行业呼叫中心应用发展趋势研究 [J], 王志恒
3.呼叫中心及其在银行业务中的应用 [J], 王英
4.呼叫中心在银行业的应用 [J], 张军平
5.呼叫中心及在银行业的应用 [J], 陆红
因版权原因，仅展示原文概要，查看原文内容请购买。
构建一个智能的世界智能质检解决方案介绍目录CONTENTS公司介绍01解决方案介绍02痛点、解决方案、价值、案例01公司介绍COMPANY PROFILE02解决方案介绍业务痛点质检效率低风险预警滞后质检评价不一致质检数据难汇总人工质检与智能质检的区别传统质检智能质检VS抽检量较低，占全量小部分质检覆盖率100%每个质检员每年可以抽检30000条同成本机器的效率是人的10倍人工抽检受主观因素影响自定义质检模块，避免主观差错质检问题难以追踪定位高亮追踪问题语句质检数据难分析，业务场景多多种维度报表分析风险预警滞后实时质检，实时推送；事后质检，风险分析质检覆盖质检效率质检公平性定位问题数据分析风险预警智能质检解决方案介绍智能质量检验是我司为客户提供的一套语音质量保证解决方案。
通过自动语言识别(ASR)、自然语言处理(NLP)等技术，创建自由化质量检验模型，实现语音录音的监控、评价和控制。
该解决方案不仅可广泛应用于呼叫中心的质量检测，还可应用于日常办公电话、银行柜台服务、监控通话等专有领域。
智能质检业务流程业务后质检+实时质检，全面提升客户服务质量监控解决方案架构解决方案适用场景产品应用智能平台智能质检的价值实现质检全覆盖运用人工智能技术，质检覆盖率从人工质检率的不足，提升到智能质检率的100%，智能质检让管理者全面掌控客服人员的服务情况。
质检准确率高智能质检点准确率高达92%，有效降低“误检”带来的人工复检成本。
智能质检准确，服务情况全把控，风险项全掌控。
抽检效率提升依托智能质检的超高准确率，人工抽检效率提升10倍，质检员能够有更多的精力与时间来处理有服务不满意或投诉情况的对话，有效降低投诉率，提高质检员的工作效率。
服务质量提升借助智能质检，客服管理团队能够充分完善质检规则，有效提升客服服务质量。
同时，执行更规范，提升服务质量。
服务风险降低相比传统人工抽检可能出现的延时、漏检等情况，智能质检能够在第一时间发现问题、及时提醒处理形象危机，能够帮助客服团队有效降低投诉、差评率。
ASR工作原理和工作过程
自动语音识别（ASR）是一种技术，它可以将语音信号转换为文本或命令。
ASR的工作原理涉及多个步骤，包括信号预处理、特征提取、模型训练和解码。
在这篇文章中，我们将探讨ASR的工作原理和工作过程。
工作原理
ASR的工作原理基于语音信号的分析和模式识别。
当用户说话时，声音通过麦克风被录入并传输给计算机系统。
ASR系统首先对语音信号进行预处理，包括去除噪音、增强信号质量等。
接下来，系统会提取语音的特征，如音频的频谱特征、语音段的时长等。
这些特征被用于训练模型，以识别特定的语音段和转换为文本。
工作过程
1.信号接收和预处理：用户说话时，语音信号通过麦克风被录入，并
通过的模型对信号进行预处理，如去除噪音、增强信号质量等。
2.特征提取：系统会对预处理后的信号提取特征，主要包括语音信号
的频谱特征、语音段的时长等。
3.模型训练：提取的特征被用于训练模型，一般使用深度学习模型如
循环神经网络（RNN）、长短时记忆网络（LSTM）等。
训练的目标是建立信号到文本的映射。
4.解码：当系统接收到信号后，将其传递给经过训练的模型，模型会
对信号进行解码，即将语音信号转换为文本输出。
ASR的工作原理和工作过程是一个复杂的过程，其中涉及到信号处理、特征提取、模型训练等多个步骤。
通过不断优化这些步骤，我们可以提高ASR系统的准确性和稳定性，实现更好的语音识别效果。
结合国内金融行业务特点谈联络中心应用前言随着经济全球化进程的加快，给国内企业带来了不同程度的危机和挑战。
为了在未来的竞争中获取有利地位，众多企业纷纷在经营理念、经营方式方面寻求突破，他们急需获得一种高效、优质、经济的服务方式与客户进行良好的沟通，提供真正以客户为中心的服务，吸引更多有价值的新客户，同时留住老客户，联络中心正是顺应这种潮流的产物。
在金融行业，面对外资银行的不断涌入，竞争环境日趋激烈，为寻求可持续发展，客户资源的把握将成为中国银行业竞争成败的关键。
在下文中我们将就联络中心技术和银行业务的开展进行分析。
联络中心技术简介90年代初，联络中心在国际上以CTI（计算机和电话集成）技术为标志开始发展并逐步兴起，为服务行业（如电信业、银行业、民航业）提供一种迅速、准确的方式，实现与用户的沟通。
通过个性化服务的提供，以间接或直接的方式，满足业务提供商完成其非面对面商务过程的需求。
近几年随着新技术的发展，联络中心又融入了Internet、VoIP、E-mail、WAP （手机无线上网应用协议）、SMS（手机短消息）、GPRS（通用无线分组协议）、视频等多种交互手段，发展成为一个多媒体、可为移动用户服务的、智能化的联络中心。
典型的联络中心主要由接入排队设备（PBX）、交互式语音应答（IVR）、计算机语音集成（CTI）服务器、人工座席代表（AGENT）和后台业务处理系统构成。
目前联络中心领域的主要厂家，在核心技术以及建设经验的长期积累的基础上，推出了一体化架构交换机解决方案，除了包括稳定、可靠的大容量语音交换平台系统（PBX），还可以提供CTI、IVR、录音、自动外拨等系统功能，同时具有标准的系统接口，支持市场主流的第三方产品，并轻松实现无缝集成，为用户提供了一个高稳定性、高集成性、高扩展性、高开放性的“统一内核、统一逻辑和共享数据”的完整联络中心基础平台，为用户的快速发展提供有力的统一服务的支撑平台；同时联络中心平台支持Internet、TTS（Text To Speech，文语转换）、ASR（Automatic Speech Recognition，自动语音识别）等功能，通过在原有的联络中心设备上平滑叠加上接入服务器、VoIP网关模块、多通道管理模块、各种移动协议网关模块、TTS文语转换模块、ASR自动语音识别模块等设备，充分融合了Internet、VoIP 、E-mail、WAP、移动数据、语音识别、视频等媒体接入处理技术，使得用户可以通过多种不同的媒体手段，随时随地获得便利服务。
asr行业应用标准一、语音识别技术语音识别技术（Automatic Speech Recognition，ASR）是将人类语音转换成文本的技术，是ASR技术的核心技术。
在语音识别过程中，系统需要经过音频预处理、特征提取、模式匹配等步骤，最终实现语音到文本的转换。
语音识别技术是ASR应用的重要基础。
二、语音合成技术语音合成技术（Text-to-Speech，TTS）是将文本转换成人类语音的技术。
在语音合成过程中，系统需要经过文本预处理、韵律规划、音频合成等步骤，最终生成逼真的人类语音。
语音合成技术可应用于智能客服、智能家居、车载语音等场景。
三、语义理解技术语义理解技术是指让计算机能够理解和分析自然语言的技术。
通过语义理解技术，计算机可以理解人类语言的含义和意图，从而实现更自然和智能的交互。
语义理解技术在智能客服、智能助手等领域具有广泛的应用。
四、情感分析技术情感分析技术是指让计算机能够识别和理解人类情感的技术。
通过情感分析技术，计算机可以对人类语音、文本等信息进行情感倾向分析，从而判断出用户的情绪状态。
情感分析技术在心理健康、营销等领域具有广泛的应用。
五、语音评价技术语音评价技术是指利用机器学习等技术对人类语音进行自动评估和分类的技术。
通过对语音质量、发音准确性、语调等方面进行评价，语音评价技术可以帮助用户更好地了解自己的发音和语言表达能力，同时也可以用于语音比赛、语言教育等领域。
六、语种识别技术语种识别技术是指让计算机能够自动识别和分类不同语种的技术。
通过语种识别技术，计算机可以对不同语言的语音进行分类和识别，从而实现多语言交互和翻译等功能。
语种识别技术在国际化应用、跨语言交流等领域具有广泛的应用。
ASR浮筹比例指标是一种用于股票市场技术分析的指标，它用于衡量股票市场中的浮动股比例。
ASR指标的全称是"Available Supply Ratio"，中文翻译为“浮筹比例指标”。
其计算方法如下：首先计算股票的总股本，即所有股票的发行量。
然后减去持有者持有的长期锁定股票、管理层持有的股票以及其他限制流通的股票，得到可流通的股票数量。
最后，计算可流通的股票数量占总股本的比例，即浮动股比例。
ASR指标的取值范围是0到1之间。
当ASR指标的值较低时，表示股票市场中的浮动股比例较小，市场较为稳定；反之，当ASR指标的值较高时，表示市场中的浮动股比例较大，市场可能较为波动。
因此，投资者可以通过ASR指标来辅助判断市场风险，并做出相应的投资决策。
热点Hot Point 光大银行“数字人”建设实践中国光大银行信息科技部副总经理 裴亚民中国光大银行信息科技部张彬中国光大银行信息科技部副总经理 裴亚民近年来，随着金融科技的快速兴起，银行业乃至整个金融业正发生深刻变革，而通过人工智能技术在虚拟网络中打造一位真人模样的“数字人”，也随之成为金融机构实现降本增效、强化获客留存的一项重要举措。
尤其是伴随人工智能水平的稳步提升，虚拟数字人的交互体验也越来越接近真人，已能够为银行客户提供“听得懂”“看得见”的数字化金融服务体验。
顺应上述趋势，各家商业银行纷纷利用虚拟化技术布局“数字人”场景，并借此来引导新一代的业务变革与应用创新。
在此背景下，为满足市场合作和场景建设需求，提升互联网金融产品获客能力、增强客户体验，光大银行围绕“123+N”数字光大发展体系，提出了“光大‘数字人’”建设规划，倾力打造具备“听”“说”“读”“看”能力的智能广义数字人。
截至目前，光大“数字人”基于服务编排、服务整合等技术手段，实现了对各种已有AI能力的整合应用。
一、光大“数字人”建设构想当前，面对经济社会高质量发展的强烈需求，在物联网、大数据、5G等新技术应用的共同驱动下，人工智能与各领域、各行业的融合度逐步加深，如深度学习、人机协同等创新技术被广泛应用于实际业务当中。
在金融领域，商业银行纷纷加快金融科技战略部署，以科技创新为核心提升银行竞争力，并积极推动AI虚拟技术应用，布局“数字人”金融场景。
在此过程中，虚拟人像合成技术（狭义上的“数字人”应用）逐步在商业银行规划落地，其以人工智能技术为核心，综合利用ASR、TTS、NLP、计算机视觉、生物识别等各种AI能力，旨在打造一位具备感知和认知能力的智能数字人。
为响应国家对金融科技手段和方式上的创新要求，光大银行于2020年在手机银行8.0中正式推出了光大HOT POINT（如图1所示）。
其中，前端展示层通过整合ASR、虚拟人像合成、自然语言理解、TTS、人脸识别、视频通信等功能，使得数字人可提供与客户双向互视的服务体验，并以语音方式与客户沟通，帮助客户办理业务。
