改进后的电话语音机器人

拙文“更聪明的电话语音机器人”解决了电话语音机器人的两个痛点，即模糊识别和关键词配置，但从实际的效果看，关键词（词槽）配置还是简单了一些，实际应用需要将词槽串接起来。经过改进后的例子如下：

cfg = """ {  

"init":{"voc/welcome1.wav","voc/welcome2.wav",},  

"keys":{    

 {{"额度","多少"}, "voc/quota.wav", 0, "额度解释"},    

 {{"资料","证件","资质","抵押","信用"},"voc/info.wav", 0,"所需资料"},    

 {{"银行","中行","建行","平安银行","农行","工行","招行"},"voc/banks.wav",0,"银行情况"},    

 {{"利息","利率"},"voc/interest.wav",0,"利率情况"},    

 {{"没兴趣","讨厌","投诉","骚扰","不需要","不用了"}, "voc/Sorry.wav", 1, "否定"},    

 {{"好的","有的","了解","可以","行啊","好啊","正好","好吧"}, "work_or_buss",2,"肯定"}   }

} """;

LxjWordSlotAdd("main", cfg); // 词槽名=main

重点的改进在关键字节点，增加了额外的3个值：{{关键词列表}, "动作", flag, "说明"}

其中“动作”：可以是文件放音或TTS合成放音、或下一个词槽名；

flag：0表示不返回，播放tts或语音文件; 1播放后返回; 2转到下一个词槽

“说明”：相当于对节点的一个文字描述

现在可以解释上面的例子了，进入main词槽，随机选择播放welcome1.wav或welcome2.wav后，你可以说话打断，如果你说的话中带有“额度”，则系统会播放“quota.wav”，即解释实际的额度是多少。因为flag值配成1，播完后还是等你说话，并不会退出这个词槽循环。

同样，如果你说“要什么资料”或“利率怎么样”或“支持什么银行”，AI会给你对应的回答。但如果系统捕获到你说的关键字是“没兴趣”“讨厌”，系统会播放抱歉语音，然后退出循环，词槽的值填充为“否定”。如果捕获到“好的”“可以”，系统则将这个词槽填充为“肯定”的值，然后进到下一个词槽"work_or_buss"--询问你是做生意还是上班。

 

cfg = """ {  

"init":{"voc/work_or_buss.wav"},  

"keys":{    

{{"上班","工作","打工"},"is_has_property" ,2,"上班"},    

{{"生意","公司","开店","开工厂","开厂"},"is_has_property" ,2,"做生意"}  

}

} """;

LxjWordSlotAdd("work_or_buss", cfg);  // 配置调查词槽"work_or_buss"：做生意还是上班，                  

 // 出口会到询问有没有房产的词槽"is_has_property"

这个调查词槽就简单了，按要求回答后填充值，然后转到下一个词槽，调查你有没有房产。

cfg = """ {  

"init":{"voc/has_property.wav"},  

"keys":{    

{{"没有"},"to_agent" ,2,"否定"},    

{{"有"},"to_agent" ,2,"肯定"}  

} } """;

LxjWordSlotAdd("is_has_property", cfg);  // 配置调查词槽"is_has_property"：有没有房产，                   

    // 出口会到转接客服经理词槽"to_agent"

cfg = """ {  

"init":{"voc/goto_agent.wav"},  

"keys":{    

{{"不用","算了", "下次吧","不需要"},"voc/Sorry.wav" ,1,"否定"},    

{{"可以","好","行"},"voc/wait.wav" ,1,"肯定"}  

} } """;

LxjWordSlotAdd("to_agent", cfg);  // 配置转坐席词槽"to_agent"：可以转客服经理吗？

 

最后这个词槽，是真正的出口，客人说“可以”，放音后将返回应用层，让应用层去转坐席了。

如果你想体验实际的效果，请下载：“蓝星际电话语音机器人”，5路，可免费使用1周。

除了上述改进，新版本组合使用了更先进的WebRTC之VAD算法和我自己实现的VAD算法，效果颇佳。

----

进一步更新，增加了混合放音、外部变量和内部变量：

语音播放串的增强和扩展，格式说明： 

1、单纯的语音文件，有".wav"串： "voc/welcome.wav"

2、单纯的文字内容，用TTS合成后播放 "您好，我们这边是做什么什么的。。。"

3、组合语音和文字，注意用^号分隔（^号本身不常见，不会出现在TTS里面）： "voc/welcome.wav^7.58元^voc/end.wav" 表示先播放welcome.wav，然后TTS合成播放7.58元，然后播放end.wav文件。

4、外部变量的使用：

使用组合符号下划线包围起来的符号如"_name_"表示变量，然后进行替换扩展 便于播放应用层在运行时确定的内容，比如客人欠费额，地址、电话号码之类： "_welcome_";

对于脚本语言，这样做： 定义好数组：

vars["welcome"] = "voc/welcome.wav^7.58元^voc/end.wav"; AIInit("main", 100, vars);

对于SipServerApi，这样调用：

const char* varsStr =

"\"welcome\":\"voc/welcome.wav^7.58元^voc/end.wav\",\"name\":\"Bill\",\"Year\":\"2018\",\"File\":\"voc/772.wav\"";

LxjSipAIDoing(1, "city", 100, varsStr);

AI引擎会在播放时会对找到对应的模板变量并进行替换

5、内部变量，有时候可能需要复述一下客人说的话，或匹配的结果 用下划线开头的预先定义的变量，如"__txt_" 比如客户刚才说了什么：

_txt = ”客人最后说的一句话“

_key = "客人最后说的这句话匹配到的关键字"

_node = "客人最后说的这句话匹配到的节点描述" 例: "您说的是__txt_，匹配到：__node_，谢谢"