對于金融、保險、證券、市場(chǎng)調研、電商等擁有呼叫中心，并會(huì )產(chǎn)生大量語(yǔ)音數據的領(lǐng)域來(lái)說(shuō)，建設聲紋庫本不是難事，但受歷史技術(shù)水平的限制，這些領(lǐng)域所存儲的歷史語(yǔ)音數據來(lái)源大多為單通道，客服與客戶(hù)的聲音共存在同一段音頻之中，難以分割，無(wú)法發(fā)揮數據價(jià)值。
最近，Kriston AI Lab發(fā)明了一種基于深度學(xué)習的單通道電話(huà)語(yǔ)音快速人聲分離技術(shù)（簡(jiǎn)稱(chēng)“單通道電話(huà)人聲分離”），破解了復雜場(chǎng)景下的人聲分離的難題，將銀行、保險、市場(chǎng)調研等行業(yè)的呼叫中心歷史語(yǔ)音數據變廢為寶，大大降低了聲紋數據庫的建設門(mén)檻。
一、無(wú)需人工干預的電話(huà)信道人聲分離
呼叫中心的電話(huà)語(yǔ)音，同時(shí)存在客服和客戶(hù)兩種不同的聲源，如何分辨出特定人物的聲音，這對于我們人類(lèi)來(lái)說(shuō)十分簡(jiǎn)單，但對于計算機來(lái)說(shuō)，要把一個(gè)音頻分割成多個(gè)不同的語(yǔ)音來(lái)源，卻要面臨很多困難。
尤其是多人聲音重疊部分，分離效果差，且需要采集大量的相關(guān)音頻進(jìn)行單獨優(yōu)化，無(wú)疑是一種事倍功半的行為。
Kriston AI Lab提出的這種電話(huà)信道人聲分離技術(shù)，以深度學(xué)習的方法實(shí)現數據模型訓練，無(wú)需人工干預，便可以將單通道電話(huà)信道音頻中兩個(gè)不同說(shuō)話(huà)人的音頻進(jìn)行拆分，分別保存，實(shí)現端到端的電話(huà)信道人聲分離。
二、電話(huà)信道人聲分離是如何“煉”成的？
人聲分離技術(shù)以深度學(xué)習技術(shù)為基礎，構建多層RNN循環(huán)神經(jīng)網(wǎng)絡(luò )。
1、利用現實(shí)生活中電話(huà)信道雙通道音頻作為訓練的數據集，將電話(huà)信道雙通道音頻合并為融合左通道客服音頻和右通道客戶(hù)音頻的單通道音頻作為整個(gè)模型訓練的輸入音頻，將雙通道音頻直接讀取的左通道音頻和右通道音頻作為網(wǎng)絡(luò )訓練的標簽音頻；
2、輸入單通道融合客服和客戶(hù)音頻到整個(gè)網(wǎng)絡(luò )當中，網(wǎng)絡(luò )的輸出結果為模型預測出來(lái)的拆分客服和客戶(hù)后的左通道音頻和右通道音頻；
3、將模型預測拆分的左通道音頻和右通道音頻，與原始雙通道音頻讀取的左通道音頻和右通道音頻進(jìn)行損失值的計算，訓練整個(gè)模型網(wǎng)絡(luò )的參數；
4、當模型訓練擬合之后，將模型取出，輸入現實(shí)生活中電話(huà)信道單通道音頻，模型輸出的音頻即為拆分后的左通道音頻（客戶(hù)）和右通道客服（客服）。
三、電話(huà)信道人聲分離能發(fā)揮怎樣的作用？
電話(huà)信道人聲分離的最大作用，便是利用分割后的音頻進(jìn)行聲紋庫注冊，以實(shí)現反欺詐、電話(huà)營(yíng)銷(xiāo)等功能。
在銀行領(lǐng)域，客服會(huì )對逾期不還的訂單進(jìn)行電話(huà)提醒，從而產(chǎn)生大量的不還款語(yǔ)音數據，如果彼時(shí)該銀行使用的是單通道通話(huà)，可以應用快商通電話(huà)信道人聲分離技術(shù)對失信者音頻進(jìn)行分割。分割后的音頻，便成為黑聲紋庫建設中歷史黑產(chǎn)數據的重要來(lái)源。銀行可進(jìn)一步以黑聲紋庫為基礎，準確識別黑名單用戶(hù)，從源頭上降低壞賬率，完善金融反欺詐鏈條。
在營(yíng)銷(xiāo)方面，使用快商通電話(huà)信道人聲分離技術(shù)，可以對客服外呼電話(huà)進(jìn)行客戶(hù)音頻分割，將客戶(hù)聲音與會(huì )員標簽、交易標簽、營(yíng)銷(xiāo)標簽等特征相匹配，統一由后臺系統進(jìn)行管理，實(shí)現高質(zhì)量的電話(huà)營(yíng)銷(xiāo)。
技術(shù)日趨成熟、政策大力支持，聲紋識別這種身份認證方式已逐漸被各領(lǐng)域所認可，但與此同時(shí)，種種實(shí)際應用問(wèn)題也浮出水面，聲紋庫建設的數據來(lái)源便是使用者們需要跨過(guò)的首個(gè)難關(guān)。
Kriston AI Lab從客戶(hù)的需求出發(fā)，推出能夠解決復雜場(chǎng)景下的人聲分離技術(shù)，為銀行、保險、證券、市場(chǎng)調研、電商等行業(yè)呼叫中心提供了聲紋庫建設的可行性方案。未來(lái)，Kriston AI Lab將持續發(fā)揮國際領(lǐng)先的算法優(yōu)勢，完善聲紋識別技術(shù)與產(chǎn)品的服務(wù)能力，推動(dòng)產(chǎn)業(yè)鏈上下游共同發(fā)展。
附：Kriston AI Lab由快商通于2012年創(chuàng )建，專(zhuān)注于自然語(yǔ)言處理、聲紋識別和大數據技術(shù)研發(fā)，現由李海洲教授牽頭負責。Kriston AI Lab共申請400余項發(fā)明專(zhuān)利，為醫療、教育、金融、公安、智能家居等行業(yè)提供AI技術(shù)服務(wù)。
