AI人工智能|智能语音机器人底层系统设计逻辑( 三 )
应从系统的实际业务需求去考虑并发数 ， 保证FS的性能稳定 。
3. ASR识别准确率
虽然目前很多供应商标明的语音识别率都达到了97%甚至98% ， 但此指标对环境的要求较高 。
而实际环境在噪音较大 ， 口音 ， 语言混合等场景下 ， ASR识别准确率均有一定程度的下降 。
4. 语义理解
在对话机器人中语言理解（NLU）模块主要包括意图识别和槽位识别 ， 这两点直接影响语义理解的效果 。
语音场景下 ， 经常出现用户回复单语气词的情况 ， 如“嗯” ， “啊”等 ， 或语音特有意图 ， 如“大点声” ， “说快点” ， 要求“重说”等 ， 在意图设计时需考虑到此类特殊场 ， 以及其应答策略 。
前面提到的ASR识别错误会导致语义理解部分受影响 ， 目前可采用加入多模态学习的优化方案 ， 同时融合音频特征 ， 纠正语音识别结果 ， 此方案经验证对意图识别模块准确率会有近2%的提升 。
5. 对话管理模块设计合理性
机器人对话管理模块设计的合理性 ， 直接决定了整个呼叫任务流程的体验感和完成率 。
对话管理模块的重点在于对话状态追踪（DST）和对话策略设计（DPL）的合理性 ， 如：打断、无声等语音特有场景 ， 如何在提升用户体验的同时确保外呼任务流的正常正常进行 。
6. 话术设计的合理性
话术设计也是语音任务机器人设计中非常重要的一个部分 ， 为提升用户的体验 。
话术设计可遵循以下几个原则：话术设计更贴合应用场景；主干话术设计精简有吸引力；话术拟人化；不同状态下话术变化 。
六、结语
目前 ， 随着AI技术的不断进步 ， 市场需求的进一步扩大 ， 智能语音机器人在实际应用场景中的表现也越来越好 ， 逐渐能胜任更多的业务工作 。
不过其难点仍然存在 ， 期待未来在更多AI技术的赋能下 ， 智能客服机器人能力有更大程度的提升 ， 能让我们在生活中体验到更贴心智能的机器人服务 。
以上内容基于笔者结合学习和工作实践的思考 ， 若有理解不到位之处 ， 还望大家指正 ， 更希望通过这篇文章能与各位多多交流 。
参考资料：IDC《中国人工智能市场软件及应用半年度研究报告（2019H2）》艾瑞网《2019年中国人工智能产业研究报告》58同城《智能语音机器人助力企业提效增收》
本文由 @岑为 原创发布于人人都是产品经理 ， 未经许可 ， 禁止转载
【AI人工智能|智能语音机器人底层系统设计逻辑】题图来自 Unsplash ， 基于 CC0 协议
推荐阅读
- 手表|体温监测，专业运动，Jeep智能小方表开箱
- AI人工智能|原创 智能门锁改造计划，德施曼小嘀全自动电子猫眼锁Q3M上线小米有品
- 人工智能|济南将打造全球首个人工智能医药研发自动化实验室
- 智能穿戴|漫步者DreamPods体验：外观精致佩戴舒适降噪是最大惊喜
- AI人工智能|宋庆龄文化空间揭幕 聚焦少儿人工智能互动体验
- 人工智能|商汤科技林达华：OpenMMLab助开发者缩短AI项目路径
- 新民晚报|未来作曲不需要人？人工智能为大剧院创作新演出季主题歌
- 大众新闻|讯飞智能录音笔将发布新品 行业首发功能令人期待
- 铁剑帮帮主|智能手机真的智能吗？
- 智能穿戴|运动健身的好伴侣：Xisem西圣Armor蓝牙耳机