產(chǎn)品經(jīng)理智能語音機(jī)器人底層系統(tǒng)設(shè)計(jì)邏輯

1、編輯導(dǎo)語：未來最大的交互，不是現(xiàn)在的人機(jī)交互，而是人與人工智能的交互。人工智能行業(yè)現(xiàn)今取得了不少的成就，也逐漸進(jìn)入了千萬家庭，陪伴在了很多人的身邊，其中就包括智能語音機(jī)器人。本文筆者將以智能客服領(lǐng)域?yàn)槌霭l(fā)點(diǎn)，結(jié)合自己的工作實(shí)踐進(jìn)行詳細(xì)分析。3 月 4 日，中共中央政治局常務(wù)委員會(huì)召開會(huì)議，指出要加快推進(jìn)包括5G網(wǎng)絡(luò)、人工智能、數(shù)據(jù)中心等新型基礎(chǔ)設(shè)施建設(shè)進(jìn)度。結(jié)合此前人工智能賦能技術(shù)在疫情防控中發(fā)揮的重要作用，加上新基建政策，可以預(yù)見的是未來人工智能必將迎來新一輪的發(fā)展。據(jù)艾瑞網(wǎng)發(fā)布的 2019年中國人工智能產(chǎn)業(yè)研究報(bào)告中顯示，到 2022年中國智能客服業(yè)務(wù)規(guī)模將突破160 億元，泛智能客服市場

2、將突破600 億，也預(yù)示著這一領(lǐng)域依然擁有廣闊的市場空間。本篇筆者將著重就智能客服這一應(yīng)用較為成熟的領(lǐng)域，結(jié)合自己的工作實(shí)踐進(jìn)行詳細(xì)分析。智能語音客服機(jī)器人是在傳統(tǒng)的客服系統(tǒng)基礎(chǔ)上，集成了語音識(shí)別、語義理解、知識(shí)圖譜、深度學(xué)習(xí)等多項(xiàng)智能交互技術(shù)，能準(zhǔn)確理解用戶的意圖或提問，再根據(jù)豐富的內(nèi)容和海量知識(shí)圖譜，給予用戶滿意的回答，目前已廣泛應(yīng)用于金融、保險(xiǎn)、汽車、房產(chǎn)、電商、政府等多個(gè)領(lǐng)域。對(duì)比于傳統(tǒng)客服，智能客服具有為企業(yè)降本增效，提升商機(jī)轉(zhuǎn)化率，提升用戶體驗(yàn)、更加方便簡潔、移動(dòng)性及時(shí)性社交性能一體化的優(yōu)點(diǎn)。智能客服機(jī)器人應(yīng)用場景十分豐富，那么語音外呼機(jī)器人這個(gè)形態(tài)的產(chǎn)品在實(shí)際場景中如何應(yīng)用的呢？

3、下面我會(huì)從語音外呼機(jī)器人工作流程、外呼系統(tǒng)搭建、應(yīng)用案例，應(yīng)用重難點(diǎn)等 4 個(gè)模塊來做詳細(xì)闡述。AI 外呼機(jī)器人是集合了自動(dòng)撥打電話、多輪語音交互、客戶意向智能分級(jí)、外呼任務(wù)自定義等多功能于一體智能語音對(duì)話機(jī)器人。以下是一個(gè)基本的智能外呼機(jī)器人工作流程：如上圖所示，一個(gè)完整的智能外呼流程（不涉及轉(zhuǎn)人工）包含了四個(gè)環(huán)節(jié)，各環(huán)節(jié)會(huì)由外呼系統(tǒng)整體串聯(lián)起來進(jìn)行運(yùn)作：以上工作流的實(shí)現(xiàn)依賴于外呼系統(tǒng)同時(shí)涉及多方技術(shù)，下面整體來介紹下外呼系統(tǒng)的底層架構(gòu)。上圖為筆者結(jié)合所學(xué)及所做機(jī)器人的實(shí)際業(yè)務(wù)邏輯梳理的呼叫系統(tǒng)架構(gòu)，如圖，整體上語音外呼系統(tǒng)可分為五大模塊：由通訊線路和FreeSwitch電話系統(tǒng)構(gòu)成，通過S

4、IP和RTP協(xié)議，實(shí)現(xiàn)進(jìn)行 各種信令和語音流的傳輸。其中，通訊線路包括三大運(yùn)營商、各家集成線路 商，用于提供線路資源將電話撥打出去。電話系統(tǒng)采用的是開源的FreeSwitch,主要用于處理外呼請求和傳輸SIP信令和語音流。負(fù)責(zé)語音相關(guān)操作，包括語音識(shí)別（ASR）、語音合成（TTS）、錄音播 放等。其中 ASR 和 TTS 這塊，目前一般采用阿里云、科大訊飛等技術(shù)較為成熟的供應(yīng)商服務(wù)，主要通過接口形式對(duì)接使用。主要任務(wù)是實(shí)現(xiàn)與其他模塊之間的通信互聯(lián)，負(fù)責(zé)將ASR 識(shí)別后的文本傳輸給機(jī)器人模塊，將機(jī)器人模塊的指令策略轉(zhuǎn)化為電話系統(tǒng)的執(zhí)行指令，并將數(shù)據(jù)同步至Saas后臺(tái)（中控模塊命名各家公司都有所不

5、同）。負(fù)責(zé)機(jī)器人外呼任務(wù)的發(fā)起和相關(guān)業(yè)務(wù)操作，主要包括外呼任務(wù)的創(chuàng)建，通話流水查詢，客戶管理，數(shù)據(jù)統(tǒng)計(jì)等功能。此為整個(gè)外呼流程中的核心AI 模塊，通過自然語言處理（ NLP ）和對(duì)話管理（ DM ），進(jìn)行用戶意圖理解，對(duì)話狀態(tài)追蹤，機(jī)器人應(yīng)答策略匹配等，實(shí)現(xiàn)人機(jī)對(duì)話交互。關(guān)于 NLP 和 DM 模塊比較復(fù)雜，筆者將會(huì)在下一篇文章中單獨(dú)對(duì)任務(wù)機(jī)器人對(duì)話系統(tǒng)的設(shè)計(jì)做詳細(xì)闡述，這里就不過多補(bǔ)充了。下面以 58 同城二手車回訪的業(yè)務(wù)場景，具體分析下外呼機(jī)器人是如何通過外呼系統(tǒng)進(jìn)行作業(yè)的，外呼系統(tǒng)各模塊間又是如何耦合實(shí)現(xiàn)業(yè)務(wù)需求的。正常情況下，外呼業(yè)務(wù)場景一旦確定，產(chǎn)品需先梳理出任務(wù)場景的主干流程，選定

6、深度意圖，設(shè)置匹配QA ，設(shè)置槽位，準(zhǔn)備話術(shù)，設(shè)計(jì)對(duì)話狀態(tài)追蹤，設(shè)計(jì)對(duì)話策略等一系列工作。這里的對(duì)話管理的設(shè)計(jì)配置，涉及到外呼系統(tǒng)里機(jī)器人管理模塊。如：上圖對(duì)話框中機(jī)器人話術(shù)均為事先根據(jù)二手車回訪業(yè)務(wù)提前設(shè)計(jì)好的主干話術(shù)。對(duì)話管理模塊配置完善后，業(yè)務(wù)人員可在Saas后臺(tái)創(chuàng)建外呼名單，通訊管理模塊接受任務(wù)指令，拉取話單進(jìn)行電話外呼。撥打流程涉及模塊較多，主要包括通訊管理模塊，語音模塊，中控模塊，機(jī)器人管理模塊。我們考慮一個(gè)外呼機(jī)器人的外呼質(zhì)量會(huì)從兩方面去看，一個(gè)是能保證外呼流程的通暢性，另一個(gè)是保證外呼任務(wù)的完成率。決定機(jī)器人外呼質(zhì)量的影響因素有很多，筆者從產(chǎn)品的角度去理解，除去目標(biāo)客戶的精準(zhǔn)度

7、、客戶接聽電話的環(huán)境、客戶狀態(tài)等非可控因素外，主要還受限于以下幾個(gè)方面：在呼叫失敗的原因中，很大部分是由于供應(yīng)商提供的線路不穩(wěn)定。關(guān)于這一點(diǎn)的問題規(guī)避，更多的還是申請基礎(chǔ)運(yùn)營商的線路或?qū)ふ业秸?guī)渠道的認(rèn)證供應(yīng)商，以保證線路質(zhì)量。FreeSwitch 的具體性能根據(jù)實(shí)際使用環(huán)境差異較大，如果因前期預(yù)估不足，設(shè)置的FS并發(fā)量過低，超過并發(fā)則會(huì)出現(xiàn)呼叫異?；蛘Z音卡頓等現(xiàn)象。應(yīng)從系統(tǒng)的實(shí)際業(yè)務(wù)需求去考慮并發(fā)數(shù)，保證 FS 的性能穩(wěn)定。雖然目前很多供應(yīng)商標(biāo)明的語音識(shí)別率都達(dá)到了97%甚至98%，但此指標(biāo)對(duì)環(huán)境的要求較高。而實(shí)際環(huán)境在噪音較大，口音，語言混合等場景下， ASR 識(shí)別準(zhǔn)確率均有一定程度的下降

8、。在對(duì)話機(jī)器人中語言理解（ NLU ）模塊主要包括意圖識(shí)別和槽位識(shí)別，這兩點(diǎn)直接影響語義理解的效果。語音場景下，經(jīng)常出現(xiàn)用戶回復(fù)單語氣詞的情況，如 “嗯”， “啊”等，或語音特有意圖，如 “大點(diǎn)聲 ” ， “說快點(diǎn)” ，要求“重說 ”等，在意圖設(shè)計(jì)時(shí)需考慮到此類特殊場，以及其應(yīng)答策略。前面提到的 ASR 識(shí)別錯(cuò)誤會(huì)導(dǎo)致語義理解部分受影響，目前可采用加入多模態(tài)學(xué)習(xí)的優(yōu)化方案，同時(shí)融合音頻特征，糾正語音識(shí)別結(jié)果，此方案經(jīng)驗(yàn)證對(duì)意圖識(shí)別模塊準(zhǔn)確率會(huì)有近2%的提升。機(jī)器人對(duì)話管理模塊設(shè)計(jì)的合理性，直接決定了整個(gè)呼叫任務(wù)流程的體驗(yàn)感和完成率。對(duì)話管理模塊的重點(diǎn)在于對(duì)話狀態(tài)追蹤（DST）和對(duì)話策略設(shè)計(jì)（DPL） 的合理性，如：打斷、無聲等語音特有場景，如何在提升用戶體驗(yàn)的同時(shí)確保外呼任務(wù)流的正常正常進(jìn)行。話術(shù)設(shè)計(jì)也是語音任務(wù)機(jī)器人設(shè)計(jì)中非常重要的一個(gè)部分，為提升用戶的體驗(yàn)。話術(shù)設(shè)計(jì)可遵循以下幾個(gè)原則：目前