从“听清”到“听懂”，远传为智能语音交互技术注入新动能

2016年，在深度神经网络的帮助下，机器语音识别准确率第一次达到人类水平，意味着智能语音技术落地期到来。继而随着人工智能行业的快速发展，短短几年内，国内智能语音技术突飞猛进，整个行业市场正经历着高速的发展，越来越多的企业争相入局，智能语音真正成为风口。但是智能语音的发展是个开放性的课题，背后涉及的技术仍有不足，亟待我们的求索突破。

“停”不下来的智能机器人

就拿智能语音机器人来说，用户经常会诟病“不够智能”，尤其是不能很好地支持打断、插话，或是反应慢、自说自话等问题。目前市场上大多数语音机器人采用一问一答的交互方式，先是照本宣科 TTS 播报内容，播报完成后，再去询问和倾听客户的意见，语音识别转译后再跳转对应的对话场景流程。但在实际沟通中，客户往往喜欢根据自己的想法和判断，对沟通进行各种插话打断，比如：

“等一下”

客户意图翻译：不需要机器人继续说下去，暂停思考一下，准备切换话题

“那  XXXX  问题呢？”

客户意图翻译：直接从当前话题切换到下一个话题

“好，我知道了”

客户意图翻译：客户对机器人的回答表示已经足够了解，希望终止当前对话

一旦出现打断的情况，机器人如果不能及时响应客户的最新想法和指令意图，仍然还在上一个频道“自说自话”，客户体验就会大打折扣。“想打断的时候它不停，明明没有说话它又不讲了”，在机器人的语音识别中，经常会遇到这样的问题。一些意外的噪音，比如关门声、装修声、音乐声等，会干扰语音交互，一旦机器人识别后就会造成错误打断；而混杂在环境噪声中的真人说话声，识别不到的话，就会造成漏打断。

在智能语音机器人应用中，如何合理、准确的判定客户是否有效打断，保证客户智能交互体验，一直是长期存在的问题。

远传U－IPCC 7．0 能听、会听、更聪明

针对上述问题，远传的技术团队经过长时间地潜心研发，终于成功攻坚，U－IPCC 7．0 版本的诞生意味着远传已突破“智能打断”这一难点。日前，远传的U－IPCC 7．0 在某智能客服项目中大显身手，通过算法、技术赋能客服机器人，智能打断成功率达95％以上，为客户打造极致的用户体验。

U－IPCC 7．0 中采用独特的U－IPCC VAD人声识别算法模型，并经过大量测试优化，成功赋予智能语音机器人智能打断的能力。通过U－IPCC 7．0的平台，智能语音机器人可在通话时主动开启检测外线客户的语音流，当检测到语音被打断时，快速通过人声识别算法模型识别出是人声还是环境噪音。若判断为人声，立即停止当前TTS播报，将人声语音报送ASR引擎识别及NLP协同，根据分析结果进入下一轮人机交互场景。从打断、判断到直接进入新的对话场景，仅需几秒，保证第一时间响应客户诉求，跟上客户的节奏。

不仅如此，U－IPCC 7．0 还能通过分析人声语音与其他声音数据（语气词、环境噪声）的波形、能量等特征，提炼声音特征规律形成上百种人声及各种声音模型，可有效屏蔽关门、装修、汽车喇叭、音乐等各种环境噪声，并可精准识别混杂在噪声中的人声，避免错误打断及漏打断。

经过上千次的测试和优化，U－IPCC 7．0 人声识别算法模型真正做到了“能听、会听”，基本上可达到人一说话就可以立即停止播放，自动进入新的对话场景，而各种语气词及环境噪音则可自动过滤。

由U－IPCC 7．0 智能打断赋能的智能语音机器人在反应速度、抗干扰能力方面可与真人媲美，大幅提升客户体验。目前U－IPCC 7．0 已准备就绪，随时可应用到各种智能客服项目中，使智能语音机器人在与用户的沟通中，及时、灵活、准确地获取用户意图，快速响应用户想法和节奏，给予用户最佳的智能交互体验。