近日，极限元与国内某知名呼叫中心服务商达成合作，极限元通过音频比对技术为其提供电话拨号音检测服务，有效地提高了企业呼叫中心坐席人员的工作效率，节省了人力和时间成本。
在金融、保险、教育、咨询类的行业中，使用呼叫中心通过人工外拨电话开拓业务依然占据着重要的位置，频繁的外呼电话是企业提升服务和实现业务增长的一个关键。比如：寻找新客户、新客户的信息确认及业务引导、维护老客户、老客户的电话回访、再次营销、市场调查等；新客户的电话能否打通，老客户的电话是否停用，或者人为挂断等，不同的业务实现、未知的电话可能性，都是需要坐席人员去一一验证，其中，一通外拨电话会面临多种电话提示音，如：
您好，您拨打的用户已关机，请稍后再拨。
您好，您拨打的用户正在通话中，请稍后再拨。
您好，请不要挂机。您拨打的电话正在通话中。
您好，你拨打的电话已停机。
您好，您拨打的电话不在服务区
您好，您拨打的电话是空号
......
以上这些电话提示音，是一名坐席人员拨打一通电话要面临的电话情况。从外呼电话，到面临不同的电话提示音，再到电话接通后的业务沟通，这是一名坐席人员完成一个客户所做的工作。我们按普通坐席每天8小时的工作时间计算，据统计，国内中小企业每个坐席人员每天花在电话上的时间为3.5小时(包含了拨出和回拨)，有的时间利用率甚至更低。通过电话不同的提示音，判断此电话是否是有效的信息，这种简单又重复的动作对坐席人员是一项庞大的工作量。
极限元的电话拨号音检测通过音频比对技术实现了对电话提示音的自动检测来确定有效和无效电话，做精准分类，降低了坐席人员简单重复的劳动，提高了工作效率。
音频比对
从音频信号提取特征，通过特征进行比对的方法实现进行信息检索的方法。该方法的核心在于提取的特征值需要满足一定的要求，比如抗噪性、转换不变性、鲁棒性、快速性等特点，主要是为了满足同一音频能够在不同声道下进行准确检索。传统的MFCC、FBANK等声学特征已经不能满足音频比对任务的需求。下图是一个基于频谱最大值来建模的音频比对方法。在完成最大值点完成建模后，需要进行特征的构建。而特征构建是通过最大值点之间的距离来建模，例如两个最大值点的距离、位置信息作为一个固定的特征来完成音频特征信息的构建。有了上述音频特征之后，就可以对两个不同音频进行检索，最大相似度的地方就是相似点，这种技术最适用于文本内容无关的录音片段的检索。
在提供音频比对技术的同时，我们还提供以下相关语音检测技术：
关键词检索
将通话录音输入到音频检索网络，同时将指定的语音关键词转换成音素，在检索网络中进行匹配，输出检索结果。
此解决方案不仅绕开了生成文字所需的解码过程，提高检索效率，还能避免语音转文字可能带来的误差，提高识别准确率。
尽管语音关键词检索会造成同音字的误判，但对比语音转文字再进行关键词匹配，造成的误差要小很多，而带来准确率提高和效率提升的优势却很明显。同时对于海量录音数据内容审核的应用场景，也更为实用。
情感识别
情感识别解决方案通过分析不同情感状态和语音声学参数的关联关系，抽取出鲁棒声学特征参数，综合考虑不同人对同一段语音的情感感知结果，建立语音情感识别模型。为了提高语音情感识别的鲁棒性，采用非线性建模方法建立情感语音分析模型，有效的解决了噪声环境下情感语音分析问题。针对情感识别中的时序建模问题，采用一种基于特征层建模和决策层建模相结合的多尺度时序建模方法。在特征层实现短粒度的时序建模。在决策层实现更长粒度的时序建模，并与特征层的时序建模实现相互补充。通过上述改进，有效的提高了语音情感识别的准确率，可以对通话者的情感状态进行动态的捕获和跟踪。此外，极限元还可以提供基于音视频多通道情感状态识别的解决方案。
极限元拨号音检测把对目标客户筛选的工作全部承担过去，降低了坐席人员的重复性劳动，同时提高了坐席人员的工作效率。主要适用于坐席人员电话销售、电话回访，市场调查等多种电话沟通形式，可广泛应用于金融、保险、教育、房地产等行业中。
