电话语音识别系统流程设计_语音识别

电话语音识别系统流程设计

李宏 2003/11/20

　　电话语音识别系统为用户提供了一个人性化的界面，人们通过电话-这个最普及的通讯工具，就可以与计算机系统进行交谈，从而能够查询信息、发出控制命令和进行电子商务交易。

1 语音识别系统的特点

　　语音识别系统与传统的IVR最根本的区别是：语音识别系统摆脱了电话12个按键的束缚，既简捷方便，又可节省通话时间。

　　同时，由于不需记忆编码，语音服务系统可以通过一个特服号提供全部服务，即建立语音门户。不象声讯台，一个节目就要一个号码，既占用了宝贵的号码资源，也很难让用户记住。

　　语音识别系统可以提供强大的导航能力，语音识别系统的用户不须在听完冗长的提示语后逐层进入，而是可以直接进入最底层服务，且各栏目之间可以任意进行跳转。尤其是对于老客户，直接进入所需的服务将极大地提高效率并降低通话费用。对于新用户，系统的语音导航会逐步引导用户达到目标。

　　一个用户满意的语音识别系统，取决于这个系统是否拥有优良的识别引擎、稳定高效的应用程序、与电信交换网络的完美集成、和人性化的流程控制。流程控制是直接面向用户的界面，它是能否满足用户需求的关键。就像一个网站，让用户迷茫的主页肯定影响访问量。

　　合理和友好的流程，才能充分发挥语音识别的优势，为用户提供人性化和个性化的服务。反之，无论技术上多么出色，系统集成如何完美，只要没有向用户提供友好的界面，语音识别系统只会失败。

2 流程设计原则

　　语音识别技术的优点和缺点都很突出技术，在应用中必须扬长避短。
　　优点：无论何时何地都能使用，操作简便，适用于各层次的用户……
　　缺点：识别率不可能达到100%，对没有经验的用户识别率更低……
　　即使有更先进的技术，上述缺点也不可能克服，这是因为语音识别率受到各种因素的影响，例如：环境噪声、电信干扰、回声、话路质量、用户讲话习惯等。但是，通过流程设计，就能在最大限度上提高识别率，令绝大多数用户满意。

　　简单机械地照搬IVR流程，就会令语音识别系统失去特色，暴露缺点。

原则一：分层合理
　　正如IVR系统，语音识别系统同样要分层。分层的目的在于：用户并不容易记住各个栏目名称，所以每层的栏目不要太多，以5、6个为宜。很难想象用户能够记住并说出10个栏目。特别是第一层主目录，绝对不可超过这个限度，否则用户将没有信心使用系统。

　　对于语音门户，内容会很多，每层只有几个栏目会使整个系统结构过于复杂，在一些用户比较熟悉的层次里，可以放宽这一约束，进行综合平衡。

原则二：标准和明确的提示语
　　用户通过提示语了解系统的服务和功能。提示语必须简明，并且不能引起用户的歧义。过于广告化和文学化的词语只会误导用户，例如："投石问路"就不如"位置服务"更容易让用户理解。

　　同时，提示语的字数要限制在3-4个字。太长，用户容易说错；太短，系统不容易识别。

原则三：跨层和跳转
　　跨层：用户不必逐层进入栏目，只要说出最底层栏目，就能跨层进入。
　　跳转：各栏目之间可以任意跳转，不必逐层返回。
　　回主目录：用户在系统中一旦"迷路"，一句"回主目录"就会被带到系统入口。

原则四：用户帮助
　　每一层，都必须有这一层的"帮助"。"帮助"中将更详细地向用户介绍内容和使用方法，这样各层的提示语才能简明扼要。"帮助"和提示语是互相补充的。

原则五：完美地完成会话
　　语音识别受各种因素影响，识别率不会达到100%，用户也可能不知道该说什么，而放弃使用。因此，在流程设计上必须帮助用户完成整个会话流程。

　　首先，通过帮助和简洁的提示，引导用户正确说出词汇。

　　还要提供按键选择，在语音识别不能工作时，帮助用户完成整个会话流程。按键作为备份方案是语音识别系统中绝对不能缺少的。

原则六：柔性的系统
　　用户可能不会说出系统规定的关键词。因此，语音识别系统必须有弹性，只要意思相近，系统都应该能够识别。

原则七：标准化引导设计
　　为保证整个系统的一致性，引导提示语必须标准化，例如：返回、主目录、上一层……，同时，特殊功能键（#，*）也必须统一定义。

　　从本质上讲，流程设计是一个心理学问题，合理的流程要在设计和实践中不断的优化。应该专门设立流程设计小组，设计流程和监督流程的正确性。流程设计和管理是语音识别系统质量管理的关键。这个队伍不一定需要软件工程师，他们应该跳出工程师的思维方式，从用户角度出发考虑问题。

3 基本流程设计

　　当用户说出需求后，语音识别系统将处理以下情况：

3.1 系统"听懂"，继续流程。这是最好的情况，用户正在享受系统的服务。

3.2 系统没有"听懂"，遇到这种情况，要区别处理：

3.2.1 系统没有记录到用户的讲话，没有录音。可能是用户不知道该讲什么，也可能是用户讲话声音太小。此时，系统应该引导用户正确讲出关键词，例如提示用户"请您说……"。如果系统仍然没有录到音，系统就应该提示用户大声说出需求。如果还不能录音，则应该提醒用户按键输入选择了，例如："XXX请按1，XXX请按2，……帮助请按*，返回主目录请按#"。

3.2.2 系统录音无法同规定的关键词匹配。用户讲错，或者不会使用系统。此时，系统也应该引导用户使出正确关键词。如果用户还不能讲对，系统仍然要在提示一次。第三次则要提醒用户按键了。
3.2.3 系统录音与某个关键词相似，但是没有完全匹配。系统则应该提示用户"您是说XXX吗？"，让用户确认。从而提高识别率、体现出系统的友好和人性化。

　　好的流程和导航才能能够帮助用户尽快熟悉语音识别系统，让用户喜爱和使用。

4 自然语言对话流程

　　自然语言对话是指：用户完全用平常讲话的方式说出需求，语音识别系统则需要根据用户提供的信息理解用户需求，并且满足其需求。在流程设计上，要解决以下问题：

4.1 不考虑用户语序。
4.2 过滤多余的、没有意义的词汇。例如："我想"，"那个"……
4.3 提示用户提供完整信息，用户不必重新说出整个长句。

　　例如一个航班查询系统中，用户用自然语言查询信息，他要提供的信息有：日期、大约时间、起点、终点、或者航班号。

　　用户可以说："我要查询明天中午从北京到上海的航班"，也可以说："4月10日，12点左右，由北京起飞到上海"。系统应该对词序没有约束，也应该能够处理一些模糊的概念（早上/上午/中午/……），还必须过滤"我要查询"、"的航班"等词汇。

　　但是，如果用户说："北京到上海"。系统则应该询问用户："请问您要查询哪一天从北京到上海的航班？"，用户直接说出："明天"就可以了。

　　系统必须能够提示用户，协助其简便地完成查询条件的设定。

5 其他注意事项

5.1 不同系统的不同风格
　　商业系统和娱乐系统的提示语风格是截然不同的。前者要求严肃和简洁，或者则要求轻松和活泼。

　　值得注意的是：所有的系统提示语速都应该快一些，要相信用户能够听清提示。冗长和缓慢的提示，会令用户烦躁和失去耐心。

　　重复提示用户也会浪费时间，如果没有必要，应该尽量减少反复提示和用户确认。

5.2 提示语
　　提示语要简洁，录音音量要大一些。专业的配音人员和录音设备会给用户耳目一新的感受，坚定用户的信心。如果配有背景音乐，效果会出乎你的意料。

　　在娱乐系统中，随机切换同一内容不同的提示语，会刺激用户的参与热情。

5.3 帮助
　　"帮助"实质上是系统的操作说明，既是系统介绍和使用手册，也是对简洁的提示语的补充。用户通过"帮助"，可以更好地理解系统内容和操作方法。

5.4 用户确认
　　在一些敏感的场合，如电子交易、电子支付等，必须让用户通过按键进行确认，仅仅通过语音确认是不可靠的！当然，会话也要全程录音。

5.5 同义词的处理
　　根据前面提到的柔性设计原则，系统设计时要考虑到同义词、多音字的处理。关键词标准和规范也需要同时建立起来，从而保证系统的识别率。

6 流程管理文档

　　语音识别系统要通过质量管理来保证其性能，必须制订严格的管理规范。流程管理的规范化和标准化就更重要。规范化和标准化具体体现在管理文档上，它不仅仅是系统设计和编程的基础，也是系统测试和验收的依据。

　　以下流程管理文档是必不可少的：

6.1 系统结构图
　　整个系统的流程结构图，包括：分层设计、栏目设计等。

6.2 流程图
　　每个模块的详细流程，包括：分支、转点、入口、出口等。

6.3 流程控制图
　　流程中每个转点的详细流程处理，包括：错误处理、提示语等。

6.4 关键词表
　　整个系统所有的关键词表，包括：通用关键词，各层/各栏目关键词等。

6.5 提示语列表
　　整个系统每个提示语的编码，文本，录音文件名等。

　　流程设计后，系统的开发、调试、测试、验收都要严格按照以上文档要求进行。系统测试时，要向测试人员提供标准的测试报告和详细测试程序，测试人员应该认真填写测试报告，并将问题及时反馈。

　　质量管理流程和测试标准、测试报告不在本文的范围内，不再赘述。

作者联系方式

李宏：glpglp@sina.com

作者供稿 CTI论坛编辑