近年來，電信業(yè)出現(xiàn)了大量 AI 驅(qū)動的技術(shù)，尤其是語音識別和翻譯。多語種 AI 虛擬助手、數(shù)字人、聊天機(jī)器人、語音客服、音頻轉(zhuǎn)錄等技術(shù)正在大幅改變電信業(yè)。企業(yè)正在呼叫中心部署 AI 以加快解決來電請求的速度，大幅提升客戶體驗、員工留存率和品牌聲譽(yù)。

例如，自動語音識別（ASR），即語音轉(zhuǎn)文本已被用于實時對話轉(zhuǎn)錄，這使企業(yè)能夠迅速為客戶確定資源或解決方案。語音 AI 還被用于分析情緒、識別分歧來源、提高合規(guī)性和坐席表現(xiàn)等。

本文將深入探討語音識別在電信業(yè)的變革力量，并著重介紹 AT&T、T-Mobile 等行業(yè)領(lǐng)導(dǎo)者如何利用這些最先進(jìn)的技術(shù)在其呼叫中心提供無與倫比的客戶體驗。

語音轉(zhuǎn)文字對改善客戶服務(wù)的影響

語音轉(zhuǎn)文字技術(shù)的落地已為客服領(lǐng)域帶來了巨大改變。通過實現(xiàn)呼叫路由、呼叫分類和語音認(rèn)證等任務(wù)的自動化，企業(yè)可以大大縮短客戶的等待時間并將其轉(zhuǎn)接至最適合處理該請求的坐席。

語音識別還可以用于 AI 驅(qū)動的客戶反饋分析，幫助改善客戶滿意度、產(chǎn)品和服務(wù)。憑借語音轉(zhuǎn)文字賦能的 AI 應(yīng)用，企業(yè)可以準(zhǔn)確識別并及時滿足客戶需求。

AT&T 數(shù)據(jù)科學(xué) AI 助理副總裁 Jeremy Fix 在GTC23 上概述了該公司使用 AI 改善呼叫中心體驗的主要原因：

• 優(yōu)化人員配置資源

• 提供個性化的客戶體驗

• 協(xié)作坐席提供可執(zhí)行的洞察

資源優(yōu)化

充足的人員配置是呼叫中心的關(guān)鍵組成部分之一，包括吸引和維系最好的人才。AT&T 通過 AI 預(yù)測呼叫中心坐席與來電數(shù)量的平衡情況，為坐席提供發(fā)揮其最佳水平所需的支持。

個性化

通過了解客戶首次接通時的意圖，AT&T 可以將來電者與之前解決過類似問題并且向客戶適時提供相關(guān)方案的資深坐席相匹配。

語音客服

AT&T 結(jié)合呼叫轉(zhuǎn)錄以及自然語言處理（NLP）驅(qū)動的洞察引擎，為坐席及管理人員提供實時、可操作的洞察，幫助他們做出智能化的決策并提供高質(zhì)量的客戶服務(wù)（視頻 1）。

視頻 1. GTC23 上的 AT&T 洞察引擎演示

如何能做到實時的呢？在通話過程中，AT&T 的 NLP 引擎使用實時轉(zhuǎn)錄和文本挖掘技術(shù)識別討論主題，然后推薦后續(xù)最佳行動、識別通話情緒、預(yù)測客戶滿意度，甚至評估坐席質(zhì)量和合規(guī)性。

常見的語音轉(zhuǎn)文本準(zhǔn)確性問題

盡管語音 AI 可以幫助呼叫中心做出重大改進(jìn)，但要成功落實語音轉(zhuǎn)文本仍面臨著一些挑戰(zhàn)。T-Mobile 的首席機(jī)器學(xué)習(xí)工程師 Heather Nolis 在 GTC23 期間談到了這些挑戰(zhàn)：

• 語音歧義

• 不同的說話風(fēng)格

• 嘈雜的環(huán)境

• 電話的局限性

• 特定領(lǐng)域的詞匯

語音歧義

您有多少次在打電話時誤解了別人的意思？比如是“上了一艘郵輪”還是“上了一艘油輪”？這種聽起來相同，但含義不同的詞語會造成語音歧義。如果語音轉(zhuǎn)文字應(yīng)用沒有經(jīng)過訓(xùn)練，無法按照上下文識別單詞，就會導(dǎo)致轉(zhuǎn)寫錯誤。

視頻 2. 語音歧義

不同的說話風(fēng)格

每個人都會有不同的口音、方言和口腔生理結(jié)構(gòu)，這意味著我們所說的每個詞語聽起來都會有所不同。對于全球運(yùn)營的呼叫中心來說，必須在訓(xùn)練數(shù)據(jù)集中捕捉到這些微妙的差別，從而提高語音識別的準(zhǔn)確性。

視頻 3. 不同說話風(fēng)格背后的原因包括生理結(jié)構(gòu)差異和我們學(xué)習(xí)說話的方式

嘈雜的環(huán)境

呼叫中心坐席在與客戶對話時可能受到背景噪聲、同時說話的人、麥克風(fēng)質(zhì)量不佳，甚至手機(jī)信號不良等干擾，這些都會導(dǎo)致電話中的聲音丟失。部署到呼叫中心的強(qiáng)大語音轉(zhuǎn)文字應(yīng)用必須能夠承受這類環(huán)境。

視頻 4. 噪聲源包括背景噪聲、同時說話的人和麥克風(fēng)質(zhì)量

電話的局限性

電話的局限性，包括無法記錄 “S”、“F” 等某些聲音會進(jìn)一步阻礙語音轉(zhuǎn)文字的準(zhǔn)確性。例如，即便您在電話中聽到 “free for all Friday” 這句話時實際上沒有聽到未被電話傳送的 “f” 這個音，但您的大腦仍會將 “f” 這個音補(bǔ)進(jìn)去。而在轉(zhuǎn)錄過程中，就得由語音轉(zhuǎn)文本模型來填補(bǔ)缺失的聲音。

特定領(lǐng)域的詞匯

每一座為企業(yè)創(chuàng)建的呼叫中心都會遇到具有不同主題和詞匯的企業(yè)場景。開箱即用的 ASR 解決方案一般未經(jīng)過有效的定制化，因此在現(xiàn)實中很少有用。

T-Mobile 展示了他們應(yīng)對語音識別問題的解決方案。該方案采用 NVIDIA Riva（一款用于構(gòu)建和部署自定義語音應(yīng)用的 GPU 加速 SDK）并使用 NVIDIA NeMo（對特定領(lǐng)域的數(shù)據(jù)進(jìn)行微調(diào)）。T-Mobile 在不同口音、不同說話風(fēng)格和嘈雜生產(chǎn)環(huán)境等干擾下，將語音識別準(zhǔn)確率提高了 3 倍（圖 1）。

圖 1. T-Mobile ASR 準(zhǔn)確率*：從位于云端到高度定制化的 Riva 語音轉(zhuǎn)文本（*準(zhǔn)確率[%]=100-WER）

實現(xiàn)最佳語音轉(zhuǎn)文字結(jié)果的首要因素

從電信呼叫中心和緊急服務(wù)到視頻會議和廣播，企業(yè)在部署最先進(jìn)的語音 AI 技術(shù)時必須考慮準(zhǔn)確度、延遲、可擴(kuò)展性、安全性、運(yùn)營成本等諸多因素，以便在競爭中保持領(lǐng)先地位。

企業(yè)正在不斷尋找將呼叫中心變成價值中心的新辦法，而成本在這方面起到至關(guān)重要的作用。呼叫數(shù)量多的企業(yè)必須根據(jù)定價模式、總體運(yùn)營成本（TCO）和隱藏成本評估廠商。

實現(xiàn)全方位的語言、口音和方言覆蓋對所有語言的語音識別準(zhǔn)確性都至關(guān)重要。值得高興的是，語音AI在多語種準(zhǔn)確性上已經(jīng)取得了很大的進(jìn)步。例如，Riva現(xiàn)在可以為英語、西班牙語、普通話、印地語、俄語、阿拉伯語、日語、韓語、德語、葡萄牙語、法語和意大利語提供全球領(lǐng)先的語音識別。

最后，語音 AI 模型必須實現(xiàn)低延遲才能為坐席和客戶提供更好的實時體驗。如果在坐席與客戶對話的過程中，AI 無法足夠快地向坐席提供有關(guān)后續(xù)行動的建議，那就會變得毫無用處。

T-Mobile 詳細(xì)介紹了他們的語音轉(zhuǎn)文本評估流程，展示了一項重要的發(fā)現(xiàn)—— Riva 語音識別在延遲、成本效益和準(zhǔn)確性方面均優(yōu)于當(dāng)前的云供應(yīng)商模型。

視頻 5. T-Mobile 的語音轉(zhuǎn)文本評估指標(biāo)：延遲、成本效益和準(zhǔn)確性

在 GTC23 專題討論會“使用先進(jìn)的語音 AI 技術(shù)引領(lǐng)潮流”上，Infosys、Quantiphi 和摩托羅拉分享了他們通過在電信解決方案中部署語音 AI 解決這些問題的經(jīng)驗。

要點總結(jié)

將語音和翻譯 AI 集成到客服 AI 解決方案中正在給電信行業(yè)帶來變革。通過使用客戶會話的實時多語種轉(zhuǎn)錄，電信公司可以更好地對來電進(jìn)行分類和轉(zhuǎn)接，并向坐席提供有價值的洞察和個性化的建議。

擁抱這項技術(shù)的電信公司可憑借提供卓越的客戶體驗、在競爭中保持領(lǐng)先并滿足客戶不斷變化的需求，從而獲得在市場中的競爭優(yōu)勢。

點擊“閱讀原文”，或掃描下方海報二維碼，觀看 NVIDIA 創(chuàng)始人兼 CEO 黃仁勛在 COMPUTEX 2023 的主題演講直播回放，主題演講中文字幕版已上線，了解 AI、圖形及其他領(lǐng)域的最新進(jìn)展！