随着算法、数据、引擎等技术方面的突发猛进，智能语音机器人的应用日益普及。但是在日常交互沟通上，智能语音机器人却显得不足够“智能”，尤其是不能很好地支持打断、插话，反应慢或者自顾自话的问题一直饱受诟病。
大多数语音机器人采用一问一答方式：照本宣科 TTS 播报内容，播报完成后，再去询问和倾听客户的意见，语音识别转译后再跳转对应的对话场景流程。如果是一位有耐心的客户，由机器人主导对话节奏和流程，这样是没问题的。但在实际沟通中，当客户往往喜欢根据自己的想法和判断，对沟通进行各种插话打断，比如：
- “等一下”，客户意图是不需要机器人继续说下去，暂停思考一下，准备切换话题；
- “那 XXXX 问题呢”，客户意图是直接从当前话题切换到下一个话题；
- “好，我知道了”，客户对机器人的回答表示已经足够了解，希望终止当前对话。
一旦出现打断的情况，机器人如果不能及时响应客户的最新想法和指令意图，仍然还在上一个频道“自说自话”，客户体验就非常糟糕……
但是一听到声音就打断机器人讲话，也会有各种各样的问题。各种意外的噪声，比如关门声、装修、汽车、音乐等，这些并非客户真实意图，一旦打断，就会造成错误打断；而混杂在环境噪声中的真人说话声，识别不到的话，就会造成漏打断。
综上，在智能语音机器人应用中，如何合理、准确的判定客户是否有效打断，保证客户智能交互体验，一直是长期存在的问题。
解决：U-IPCC VAD 人声检测技术轻松应对，打造最佳智能服务体验
近日，在某智能客服项目中就遇到这个问题，项目全局使用智能语音机器人接待与交互，需要语音机器人要足够“智能”，打造极致客户体验，怎么办呢？
远传 U-IPCC7.0 开发团队经过科学研究、大胆尝试，打造独特的 U-IPCC VAD 人声识别算法模型，并经过大量测试优化，成功为智能语音机器人赋能智能打断能力：
U-IPCC7.0 在通话建立时主动开启检测外线客户的语音流，当检测到语音被打断时，快速通过人声识别算法模型识别出是人声还是环境噪音。若判断为人声，U-IPCC7.0 立即停止当前 TTS 播报，将人声语音报送 ASR 引擎识别及 NLP 协同，根据分析结果进入下一轮人机交互场景：暂停、调整、停止——第一时间响应客户诉求，直接进入新的对话场景，跟上客户的最新节奏。
作为 U-IPCC7.0 智能打断的核心——人声识别算法模型，通过分析人声语音与其他声音数据（语气词、环境噪声）的波形、能量等特征，提炼声音特征规律形成上百种人声及各种声音模型，可有效屏蔽关门、装修、汽车喇叭、音乐等各种环境噪声，并可精准识别混杂在噪声中的人声，避免错误打断及漏打断。
经过上千次的测试和优化，U-IPCC7.0 人声识别算法模型的应用效果非常理想，基本上可达到人一说话就可以立即停止播放，自动进入新的对话场景，而各种语气词及环境噪音则毫无影响。实测中，机器人的表现非常自然顺畅，智能打断成功率在 95% 以上。
由 U-IPCC7.0 智能打断赋能的智能语音机器人在反映速度、抗干扰能力方面可与真人媲美，大幅提升客户体验，用户非常满意。
未来 U-IPCC7.0 智能打断将应用到各种智能客服项目中，使智能语音机器人在与客户的沟通中，及时、灵活、准确获得客户的意图，快速响应客户想法和节奏，给予客户最佳的智能交互体验。
