无需借助于键盘等输入设备，直接通过口头语言来与计算机实现人机对话，一直是人类的一个梦想，自动语音识别(AutomaticSpeechRecognition简称"ASR")技术的研究工作大约从在上世纪50年代左右开始，经过多年的研究，这个梦想正逐渐地变成现实，一些致力于此方面研究的公司或机构，其研发出来的翻译引擎，对于语音的识别率已经达到了90%以上，并开始在越来越多的领域应用该项技术，如办公自动化、车载GPS等方面。
在呼叫中心领域，自动语音识别技术在应用方面比起一般PC系统的应用来说要更加困难，这主要体现在语音在经过压缩及线路传输之后，会有一定程度的失真，而且用户嘈杂的背景声音，以及来自天南地北的口音也都会对识别率造成影响，所以在传统的呼叫中心领域，ASR更多的是以一种辅助的姿态出现在功能清单之中。
但在近年来，基于ASR技术研发的智能语音分析系统以一种全新的、更加智能的方式出现在了呼叫中心的分析、挖掘领域。，众所周知，对于一个企业而言，了解客户的需求是企业调整战略部署最重要的依据，否则就有可能出现花费数十亿研制出来的新产品却无人问津的尴尬境地。一些企业为了实现这个目的，常用的方法是进行市场调查、或者由呼叫中心座席员向客户发起电话调查等等，但这些方法一是受访众的覆盖面积有限，二来客户不一定配合，有些情况下甚至还会引起客户的反感，如客户正在召开重要会议，突然一个调查电话不合时宜的响起，可以想像客户当时的恼怒，更不要提客户会积极配合企业的调查了。
以一个1000座席的呼叫中心为例，如果每个座席每天接听的电话约为100通，则该中心每天产生的呼叫就是十万通，这些海量的电话里面包含了咨询、投诉、抱怨、建议、与竞争对手的对比等对于企业非常有价值的信息，但是却很难被提取出来。一个监听员每天上班八小时，折合480分钟，以每通电话平均时长3分钟为例，她在不吃不喝的情况下，也只能监听160通电话录音，要想在十万通电话里面找出有价值的信息，无异于大海捞针。
智能语音分析系统对于该问题的解决之道是首先将海量的电话录音转为文本，这样就可以像使用Google搜索引擎那样来对通话进行关键字搜索，以找到有价值的通话录音。但在实现过程中遇到最大的困难就来自于不同的方言口音，就算是对普通话的识别率达到了90%以上的系统，面对粤语、闽南语等方言也同样一筹莫展。
经过实际研究发现，在一通电话里面，真正有价值的部分其实只有某几个关键词，以某保险公司的一通电话为例，客户打电话来要求赔付，座席员经核对后发现对方弄虚作假，不具备赔付的条件，便在电话里如实告知。这样，只需要三个关键词就可以清晰地勾勒出整件事的轮廓了：要求赔付－拒绝赔付－弄虚作假。所以在系统里面，只需要对这些关键词进行准确识别就可以了，即使加上针对各种方言的特殊识别，工作量也大大减少。在汉语里面经常还会出现一些同音但不同义的词语，比如“赔付”与“陪护”，在一些方言里面就无法区分出来，这时候就需要结合行业的特殊性考虑词语的优先级别，在保险行业中就需要调高“赔付”的优先级，而在医疗行业则需要调高“陪护”的优先级别。总之，需要根据实际情况来对语音分析系统进行部署及调整，而不是简单的认为安装好系统就万事大结了。
智能语音分析系统犹如一把锋利无比的倚天剑，虽然威力巨大，却要求持有它的人善加利用。对于一个呼叫中心来说，购入智能语音分析系统只是开始的第一步，后续还有大量的分析工作要做，除了要求质检部门、业务部门的人参与之外，最好还有企业的决策高层参与进来，同样的一通录音，质检员可能只能听出话术是否有问题，而老总却有可能听出企业成功的秘密。简单的认为只需要购买了先进的软硬件设备，自然就可以解决一切问题想法无疑是大错特错，否则，再好的设备如果没有正确的使用方法，也不过是昂贵的摆设罢了。
在商业竞争日益激烈的21世纪，提高用户的满意度、加强用户的忠诚度也正成为热门话题，这其中，用户的感受体验尤为重要。试想一下，如果一个用户打电话到呼叫中心咨询某问题，结果一直提示“座席忙，请耐心等待”，在经过了漫长的等待之后，好不容易座席员接听了电话，在听完用户的描述之后，该座席员说：“对不起，我解决不了这个问题，请稍等，我帮您转接另一位专家”，然后用户不得不再一次的描述问题。。。可以想像，这名用户的耐心正在逐渐消失，满意度当然无从谈起。一个追求服务品质的呼叫中心，不断地添置设备、增加人手，就是要避免这种情况的发生。但是当某种突发情况集中出现的时候，用户纷纷向呼叫中心拨打电话，而这势必会造成呼叫堵塞，在没搞清楚问题的情况下就冒然的增加设备、提高处理能力却并不是明智的选择。某公司就遇到过这种情况，某天他们突然发现当天的呼叫量远远超出了正常值，却不知道出现了什么问题，而通话量又非常大，无法听取当天所有的录音，这时候，通过语音分析系统对这些录音的检索，他们发现了问题，原来，该公司承诺10年以上的老客户都会获得一份礼物，并在5天之内会送到客户手里，但实际上由于物流等方面的原因，某些地区的客户需要到第8天左右才能收到，可以想象，在第6天时，客户纷纷打电话来询问，这就造成了当天的呼叫量急剧升高，不仅使得座席员疲于奔命地连续接听电话向客户进行重复解释，还造成了呼叫堵塞，影响到了正常的业务办理。找到的问题原因之后，该公司通过修改IVR流程和网站弹出窗口提醒，采取了针对措施，呼叫等待时长很快就回到了正常值。
智能语音分析系统还可以起到质检的功能，一些呼叫中心传统的质检方法是安排质检员对座席员的通话录音进行抽查监听，以判断座席员在为用户提供服务的时候是否合格。以每20名个座席员配备一名质检员为例，一个1000人规模的呼叫中心就需要至少配备50名质检员，而一名质检员每天最多只能对50－80通通话进行质检，相对于十万通呼叫量的规模来说，其覆盖面非常小，很有可能无法发现真正有问题的通话。另一个问题就在于人为因素存在的可能，使得质检无法做到完全公平。使用了智能语音分析系统之后，就可以通过一些关键词，将一些需要质检的通话罗列出来。如某用户在电话里说：你这是什么态度，我要去投诉你！那么，通过搜索“态度”以及“投诉”这两个关键词，就可以把这通通话找出来，并单独进行质检，以检查座席员的服务是否存在问题。一些优秀的语音分析系统还可以做到用声音曲线来显示通话双方的音调，如声音曲线起伏很大，就说明音调升高了，很有可能出现了争吵，这样就能快速的进行监听定位。智能语音分析系统可以从海量的通话录音中把有必要进行质检的通话单独提取出来，这个意义上来说，可以极大的优化劳动力效率。
目前在国内市场上同台竞争的语音分析产品厂商主要包括以色列的VERINT、NICE，国内的宏盛、捷通华声、科大讯飞等，谁能主宰市场的沉浮，且让我们试目以待。
