从ASR技术层面上来说，智能客服不智能的原因在哪里？

文章摘要：“我要找人工客服！”“对不起，小智听不懂你的问题，您是想要咨询订单进度吗？”“我要找人工客服！！”“对不起，小智听不懂你的问题，您是想要咨询订单进度吗？”“。。我买的衣服没剪吊牌，但是不小心...

“我要找人工客服！”

“对不起，小智听不懂你的问题，您是想要咨询订单进度吗？”

“我要找人工客服！！”

“对不起，小智听不懂你的问题，您是想要咨询订单进度吗？”

“。。我买的衣服没剪吊牌，但是不小心划了一下，没破，有个印子，还能退货吗？”

“关于退货问题，您只需要在订单也点击退货选项即可，我家支持7天无理由退货哦～”

“那衣服被划了一道，还能退吗？”

“关于退货问题，您只需要在订单也点击退货选项即可，我家支持7天无理由退货哦～”

“。。你不是小智，你是个小智障吧”

“对不起，小智听不懂你的问题，您是想要咨询订单进度吗？”

这个场景是不是似曾相识？是不是你说啥，智能客服都听不懂，回答的驴唇不对马嘴。然后想找人工客服，死活找不到入口，最后浪费半小时，除了把自己气的半死外，啥问题都没解决。

不仅这一个问题让人抓狂，智能客服想找到对应问题解答区间同样十分费劲，因为这需要客户一直按照提示音，点点点。这浪费了大量时间，等找到问题解决办法了，黄花菜都凉了。到底是人性的毁灭还是道德的沦丧，让这样的事情频频发生在我们身上，智能客服为啥就变成了智障客服呢？问题到底出在哪？

要想知道这个原因，首先我们需要搞清楚人工智能客服的商业模式。目前市场上主要的商业模式分为两种：一种是定制化模式，智能客服供应商根据企业自身业务需求进行灵活、定制化开发，可以更加精准地解决用户在咨询过程的问题。当然价格也相应更高，一套定制化智能客服系统的价格在几十万到上百万之间，可以买的起的企业自然都是资金流充足的大型企业；第二种是智能客服供应商在云端给企业开通智能客服账户，公用一套通用模版，定制化程度低，一个账户的年费用在千元至万元不等。像一些中小型企业受限于资金问题，会选择这个模式，这也就导致了识别不精确，步骤繁琐等问题频出。

智能客服核心应用技术之ASR

但“智能客服不智能”这个问题不能光归咎于企业没钱买不起贵系统上，其中也存在一些技术层面上的问题，比如在ASR（ Automatic Speech Recognition），即语音识别技术上存在的问题。

语音识别的一般流程为根据输入的语音，提取语音特征，通过解码器融合训练好的语言模型和声学模型，得到最终的词序列结果。字典的作用根据声学模型识别出来的音素（汉语中一般为声韵母），来找到对应的汉字（词）或者单词，用来在声学模型和语言模型建立桥梁，将两者联系起来。其中各类模型具体作用分别是：

1、 声学模型：描述在给定词的情况下，对应声学信号的概率。

2、语言模型：描述语言序列关系的模型，关注序列产生的概率。

3、解码器：根据声学模型和语言模型，搜索出最有可能的词序列，其本质是一个动态规划算法。

在语音识别过程中，总会遇到各种问题，在你咨询智能客服，其回答“抱歉，我听不懂您在说什么”或者“不好意思，请您再重复一遍”时，就表示对话失败，ASR没有成功识别。

而导致ASR识别失败的原因大多出于以下三点：

1、噪音问题

在实际应用中，用户在与语音机器人沟通的过程中，所处的空间是具备多样性的。比如顾客在地铁上、超市中等户外场景咨询时，周边人声噪音就会对语音识别造成影响，又比如外卖员、快递员在送货的过程中，风声、喇叭声、行驶声等，一样会对语音识别造成影响。

2、口音问题

口音问题则包含方言以及口音不准的问题，正所谓“十里不同音，百里不同俗”。我国幅员辽阔，拥有五大语系，共有80种以上细分语言。各方言区内，又分布着若干次方言和许多种土语，语言隔阂难以解除，口音也很难纠正。语言识别无疑是十分困难的事情。

3、实体识别

通俗来说，语音识别模型就是一个概率模型，当语音传入语音识别模型中，输出为日常生活中常用到的词语与句子的概率是高于其他稀疏词的。而人名、地名、机构名、专有名词、药名等均属于稀疏词，企业不常用到，所以在对特定词语的识别上就会十分困难。

目前应用的前沿技术是什么？（以沃丰科技相关技术为例）

1、垂直领域数据训练

相较于通用数据，沃丰科技专注于客服领域，已经为超过60家世界500强、200家中国500强客户提供服务，沉淀了大量可用于模型训练的客服数据，能够支撑沃丰科技对模型进行深度的优化。

2、端到端技术方案

与BAT企业相比，沃丰科技率先完成了从pipeline到端到端到技术改进，能将输入语音直接进行转化，而传统pipeline串联过程中会有信息的遗失，信息转化，转化链路长。端到端的技术则转化链路短、速度快，目前沃丰科技在这一过程中也实现了模型深度优化。

3、语言与声学模型结合

热词优化方面，行业内对词语进行少量优化的情况下，都会用热词的方案，比如优化姓名、地址、药名等无实际意义且不常见的词，但这种词用传统的语言模型的方式或者热词方式是无法解决的。而沃丰科技通过语言模型与声学模型结合的方式解决了这种问题，大幅提升了准确率。

通过上述方式，沃丰科技GaussMind语音识别技术达到了行业中较好的水平，识别率可达95%，同时能够实现语音实时转写，边接收语音，边返回文字；识别效果优化，个性化准确率提升。

客户实践案例

96123 是北京地铁服务热线，于2021年3月31日上线试运行，业务范围覆盖北京城市轨道交通全路网范围内的运营、票务和站内服务等相关信息咨询等服务，如乘车线路，票价查询等日常乘坐轨道交通伴随的问题。

痛点问题

1.日常咨询量较大，人工处理工单量大、工单流转效率有待提升

2.环境噪音、背景噪音及高地铁站名称相似度，数字与汉字并存，给语音识别带来挑战

3.北京作为首都，人员范围广，五湖四海的人群口音给语音识别带来难度

4.用户表达多样性高，路线信息语义识别困难

解决方案

全面定制化：沃丰科技基于自研的GaussMind“原心引擎”进行全面定制化操作，快速、高效地打造96123智能语音机器人。

ASR（自动语音识别）：“听清”用户说的“是什么”，准确识别来自五湖四海的口音

NLP（自然语言处理）：“听懂”用户说的是“什么意思”，准确理解出发地、目的地

对接业务系统：为用户快速提供查询结果信息，让北京地铁出行查询更加智能、便捷。

更多关于ASR技术资讯以及相关案例可点击下图咨询～

文章为沃丰科技原创，转载需注明来源：https://www.udesk.cn/ucm/report/23322