CN104732974B - 智能录音识别*** - Google Patents

Abstract

本发明公开了一种智能录音识别***，包括：录音模块，用于对使用者的通话语音进行在线录音，得到录音信息；声纹识别模块，连接于录音模块，用于对录音信息进行声纹识别和文件转换，得到文本信息；关键字匹配模块，连接于声纹识别模块，用于根据预设的关键字对文本信息进行匹配；确认模块，连接于关键字匹配模块，用于在匹配成功的情况下，确认通话语音属于规范化语音，在匹配失败的情况下，确认通话语音属于非规范化语音。通过本发明，达到了提高调度录音的识别效率以及质量，提升安全监察工作效率，强化调度下令的规范性的效果。

Description

智能录音识别***

技术领域

本发明涉及电力通信领域，具体而言，涉及一种智能录音识别***。

背景技术

针对调度下令录音监管，目前的安全监察工作存在一定问题。依靠行政方式约束调度下令人规范用语以及安排专职人员收听录音记录，无法满足当前现状，例如，对于某个城区供电公司的月平均下令录音8000条来说，难以做到逐条监听。而通过人工抽检测听的方式，无法全面有效地评价调度质量，难以确保调度人员正确使用规定的调度术语且调度指令准确、无误。

针对相关技术中通过人工抽检测听下令录音的方式，无法全面有效地评价调度质量的问题，目前尚未提出有效的解决方案。

发明内容

本发明提供了一种智能录音识别***，以至少解决上述相关技术中通过人工抽检测听下令录音的方式，无法全面有效地评价调度质量的问题。

根据本发明，提供了一种智能录音识别***，包括：录音模块，用于对使用者的通话语音进行在线录音，得到录音信息；声纹识别模块，连接于录音模块，用于对录音信息进行声纹识别和文件转换，得到文本信息；关键字匹配模块，连接于声纹识别模块，用于根据预设的关键字对文本信息进行匹配；确认模块，连接于关键字匹配模块，用于在匹配成功的情况下，确认通话语音属于规范化语音，在匹配失败的情况下，确认通话语音属于非规范化语音。

优选地，该***还包括：鉴权模块，连接于录音模块，用于根据预设的使用者权限等级信息对使用者的身份进行鉴别，在鉴别通过的情况下，确定使用者的身份合法，否则，确定使用者的身份非法。

优选地，声纹识别模块包括：声纹识别单元，用于使用预先设置的声纹模型库中的声纹模型对录音信息进行声纹识别，得到识别后的声纹信息；转换单元，用于将声纹信息转换成文本信息。

优选地，该***还包括：提醒模块，连接于确认模块，用于在确认模块确认通话语音属于非规范化语音的情况下，提醒使用者使用规范化语言重新进行通话。

优选地，使用者包括：调度下令人员、或调度要令人员。

优选地，在使用者为调度下令人员或调度要令人员的情况下，提醒模块提醒调度下令人员重新进行下令或提醒调度要令人员重新进行要令。

优选地，关键字包括以下至少之一：命令词组信息、使用者身份词组信息、请求词组信息、接收者词组信息。

优选地，命令词组信息包括以下至少之一的关键词组拉开、合上；使用者身份词组信息包括以下至少之一的关键词组：使用者的单位名称、使用者的姓名。

优选地，声纹信息包括：语音端点、语速、平均语速、异常情绪、和静音时长。

优选地，通话语音包括：在线通话语音，或现场通话语音。

通过本发明，采用将应用语音分析技术应用到电网调度中心录音***以及现场录音笔记录的录音数据的监管领域，将语音信息转换为索引结构的文本信息，通过关键词检索、筛选、业务归类等处理分析，对调度录音进行识别的方式，解决了相关技术中通过人工抽检测听下令录音的方式，无法全面有效地评价调度质量的问题，达到了提高调度录音的识别效率以及质量，提升安全监察工作效率，强化调度下令的规范性的效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的智能录音识别***的结构框图；

图2是根据本发明实施例的优选智能录音识别***的结构框图；

图3是根据本发明优选实施例的智能录音识别***的工作流程示意图；

图4是根据本发明优选实施例的智能录音识别***查询下令语音的示意图；

图5是根据本发明优选实施例的智能录音识别***对使用者身份进行鉴权的示意图；

图6是根据本发明优选实施例的智能录音识别***在识别录音过程中进行语音检索的示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

本发明实施例提供了一种智能录音识别***。图1是根据本发明实施例的智能录音识别***的结构框图，如图1所示，该智能录音识别***包括：录音模块10，声纹识别模块20，关键字匹配模块30以及确认模块40。其中：

录音模块10，用于对使用者的通话语音进行在线录音，得到录音信息；声纹识别模块20，连接于录音模块10，用于对录音信息进行声纹识别和文件转换，得到文本信息；关键字匹配模块30，连接于声纹识别模块20，用于根据预设的关键字对文本信息进行匹配；确认模块40，连接于关键字匹配模块30，用于在匹配成功的情况下，确认通话语音属于规范化语音，在匹配失败的情况下，确认通话语音属于非规范化语音。

图2是根据本发明实施例的优选智能录音识别***的结构框图，如图2所示，该优选智能录音识别***还可以包括：鉴权模块50，连接于录音模块10，用于根据预设的使用者权限等级信息对使用者的身份进行鉴别，在鉴别通过的情况下，确定使用者的身份合法，否则，确定使用者的身份非法。

在该优选智能录音识别***中，声纹识别模块20可以包括：声纹识别单元22，用于使用预先设置的声纹模型库中的声纹模型对录音信息进行声纹识别，得到识别后的声纹信息；转换单元24，用于将声纹信息转换成文本信息。

优选地，该优选智能录音识别***还可以包括：提醒模块60，连接于确认模块40，用于在确认模块40确认通话语音属于非规范化语音的情况下，提醒使用者使用规范化语言重新进行通话。

在本实施例中，使用者可以包括：调度下令人员、或调度要令人员。

在本实施例中，在使用者为调度下令人员或调度要令人员的情况下，提醒模块提醒调度下令人员重新进行下令或提醒调度要令人员重新进行要令。

在本实施例中，关键字可以包括以下至少之一：命令词组信息、使用者身份词组信息、请求词组信息、接收者词组信息。

在本实施例中，命令词组信息可以包括以下至少之一的关键词组拉开、合上；使用者身份词组信息包括以下至少之一的关键词组：使用者的单位名称、使用者的姓名。

在本实施例中，声纹信息可以包括：语音端点、语速、平均语速、异常情绪、和静音时长。

在本实施例中，通话语音可以包括：在线通话语音，或现场通话语音。

下面结合图3至图6以及优选实施例对上述实施例提供的智能录音识别***进行更加详细的描述和说明。

本优选实施例提供的智能录音识别***，是在现有录音***的基础上结合安监部门监管模式设计的一套***。该***可以管理的范围可以覆盖安全监察工作的目标管理与评价、下令过程管理与监督、结果分析与考核、错误率统计与上报等重要环节，该***的接入范围涵盖现有电话录音***的数据，现场操作录音笔的录音内容文件以及下一步录音数据同步在线转译的录音文件数据。

图3是根据本发明优选实施例的智能录音识别***的工作流程示意图，如图3所示，该工作流程主要通过以下几个阶段实施：

阶段一、首选地，安全监察部门进行历史数据检查，优化原有工作流程，通过新建设的智能录音识别***，利用声音转化文字的技术，将以往的下令录音，进行分类检查，将下令录音、现场人员复令录音和其他日常通话录音已做区分。对于录音类别划分以及内容监听而言，使用智能录音识别***进行识别的效率远远超过传统的人工识别。

经过多次的优化声纹模型，人员投入量大大缩减的同时，录音检查质量也明显提升。通过关键词组的判断，***自动将录音转变成文字与关键词组进行逐行匹配，收听质量得到保证，人为收听疲劳而导致的漏检现象得到根本杜绝。

图4是根据本发明优选实施例的智能录音识别***查询下令语音的示意图，请参考图4，在录音识别技术完成后，针对下令人规范下令也实现后台监督。通过***中的声纹模型及设定关键词组，如“拉开、合上、命令、单位名称、姓名”等关键词组，做出精确的识别分析确认。

在本优选实施例中，调度录音的日常检查和监督检查不仅仅对调度下令人员和调度要令人员的行为进行了全程监督，图5是根据本发明优选实施例的智能录音识别***对使用者身份进行鉴权的示意图，如图5所示，可以同时对下令人、要令人身份的合法性实现同步监督，通过智能录音识别分析***对于下令人、要令人身份做出甄别确认，防范无资格人员冒名顶替，从事非法活动，影响电网安全稳定运行。

阶段二、该阶段属于对未来的通话语音进行提取规划、管理，以做到实时在线纠错，下令人及要令人在运用调度术语方面一旦不符合规范标准，***自动提示该人员运用规范术语重新下令或要令，从根源上杜绝习惯性违章。实现事后整改到事中及时纠正，从以往事后的检查向实时的提示转变。

***的应用实现全面、全过程、全方位的监督管控，提升了供电企业对电网安全运行的把控能力以及人员工作效率。利用现代化的管理模式，打造了电网运行指挥环节的安全稳定，最大程度的提升了工作效率和工作质量。

在本优先实施例中，当智能录音识别***对录音进行识别的过程主要包括以下几个方面：

1、语音转写（识别）。语音转写，是指将非结构化的语音文件转换为结构化的文本信息。这是语音分析的核心功能。

语音分析应用，将分离后的语音通过声学模型转换为汉语音标符号，再通过超大词汇网络的语言模型将音标信息识别为文本内容。结合本地口音和电网调度术语，优化声学模型和语言模型，以提升语音转写准确率。

2、语音索引。语音索引，是指将语音中包含的各类信息进行识别和归类，并形成方便查询统计的索引。

语音分析应用，检测通电话录音的基频、音高等变化幅度，预测情绪波动并定位其位置信息，分析出通话录音的平均语速以及语速变化，检出通话录音的静音时间等，生成标准XML格式的索引文件。索引内容包括：（1）调控人员语音和运行人员语音的文字转写结果；（2）如果是双声道语音，则给出声道信息（关键词位于哪个声道）；（3）通话的语音端点、语速等信息，主要包括调控人员和运行人员各自的每次说话的起止时间、语速（字/秒）、平均语速（字/秒）、异常情绪、静音时长等。

3、语音检索。语音检索，是指从索引文件进行关键词信息的快速筛选，返回语音结果并进行自动统计。语音检索，支持逻辑组合检索、二次检索等功能。这里为了便于理解语音检索的过程，可以参考图6（图6是根据本发明优选实施例的智能录音识别***在识别录音过程中进行语音检索的示意图）。

4、场景分割。场景分割，是指对通话录音中的双方通话行为进行检测、切割和分离。目前，在调度录音中，同一个录音记录了调控人员和运行人员的全部对话。

语音分析应用，通过场景分割技术对两方通话内容进行分离，进而针对性对调度质量分别进行监控和分析，以识别问题发生点及问题内容。从现场使用的角度考虑，给安全检查工作提供了方便，提高了工作效率。从市场价值角度考虑，该软件在安监专业的日常工作中会频繁使用，在整个北京公司安监专业工作中推广应用的前景也较为广泛。

通过本优先实施例的实施，可以实现本发明的以下目标：1、实现三个提升：（1）效率提升，打破人为监听的局限性，利用***全天候特性，提升收听效率。（2）质量提升，跳过人脑的思维惯性，利用转译模式，做逐字验证。（3）管理提升，完善传统***监督工作模式，利用制定的规则，直接给出图形化数据说明关注问题。2、关键字建立，强化声纹模型库，将录音效率以及录音质量再次提升，利用声纹模型来规范下令用语，在调度人员下令的同时，***后台做到分拣判断，提升下令用语的规范化，对于不规范的下令操作及时给出提示，在下令环节就最大程度确保质量正确，同时利用智能录音识别技术，改变传统人员被动监管方式为***主动提示模式，实现现代化***、督察、考核等一系列工作。3、在质量与效率都能够得到充分保障的前提下，我们借助智能化通信技术扩宽思路，通过声纹识别，对于调度下令人员采用声波验证，结合以往下令人员的声音进行采集，来制定安全下令标准，最大程度提升调度下令的合法性，不仅保障了电网坚强安全的同时，也向智能化发展趋势迈进。

需要说明的是，上述各个模块是可以通过硬件来实现的。例如：一种处理器，包括上述各个模块，或者，上述各个模块分别位于一个处理器中。

在另外一个实施例中，还提供了一种软件，该软件用于执行上述实施例及优选实施方式中描述的技术方案。

在另外一个实施例中，还提供了一种存储介质，该存储介质中存储有上述软件，该存储介质包括但不限于：光盘、软盘、硬盘、可擦写存储器等。

从以上的描述中，可以看出，本发明实现了如下技术效果：应用语音分析技术将电网调度中心录音***以及现场录音笔记录的录音数据转为索引信息（文本结构），通过关键词检索、筛选、业务归类等处理分析，对调度录音识别的效率以及质量有了质的飞跃，经过了现场环境中的应用以及完善更新，在提升安全监察工作效率的同时，又强化了调度下令的规范性。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种智能录音识别***，其特征在于，包括：

录音模块，用于对使用者的通话语音进行在线录音，得到录音信息；

声纹识别模块，连接于所述录音模块，用于对所述录音信息进行声纹识别和文件转换，得到文本信息；

关键字匹配模块，连接于所述声纹识别模块，用于根据预设的关键字对所述文本信息进行匹配；

确认模块，连接于所述关键字匹配模块，用于在匹配成功的情况下，确认所述通话语音属于规范化语音，在匹配失败的情况下，确认所述通话语音属于非规范化语音；

其中，所述***还包括：

提醒模块，连接于所述确认模块，用于在所述确认模块确认所述通话语音属于非规范化语音的情况下，提醒所述使用者使用规范化语言重新进行通话；

其中，所述关键字包括以下至少之一：命令词组信息、使用者身份词组信息、请求词组信息、接收者词组信息，所述命令词组信息包括以下至少之一的关键词组拉开、合上，所述使用者身份词组信息包括以下至少之一的关键词组：使用者的单位名称、使用者的姓名；

其中，所述声纹识别模块还用于对所述录音信息进行分类，并对分类后的录音信息进行声纹识别和文件转换，得到所述文本信息，其中，所述分类后的录音信息包括如下之一：下令录音、现场人员复令录音和其他日常通话录音。

2.根据权利要求1所述的***，其特征在于，所述***还包括：

鉴权模块，连接于所述录音模块，用于根据预设的使用者权限等级信息对所述使用者的身份进行鉴别，在鉴别通过的情况下，确定所述使用者的身份合法，否则，确定所述使用者的身份非法。

3.根据权利要求1所述的***，其特征在于，所述声纹识别模块包括：

声纹识别单元，用于使用预先设置的声纹模型库中的声纹模型对所述录音信息进行声纹识别，得到识别后的声纹信息；

转换单元，用于将所述声纹信息转换成所述文本信息。

4.根据权利要求1所述的***，其特征在于，所述使用者包括：调度下令人员、或调度要令人员。

5.根据权利要求4所述的***，其特征在于，在所述使用者为调度下令人员或调度要令人员的情况下，所述提醒模块提醒所述调度下令人员重新进行下令或提醒所述调度要令人员重新进行要令。

6.根据权利要求1至5中任一项所述的***，其特征在于，所述声纹信息包括：语音端点、语速、平均语速、异常情绪、和静音时长。

7.根据权利要求1至5中任一项所述的***，其特征在于，所述通话语音包括：在线通话语音，或现场通话语音。