隨著人工智能命題的提出，近年來湧現出壹大批基於人工智能的呼叫中心業務服務商和集成商，僅智能外呼這壹模塊兒就將近百家公司在推廣和運營。可以說整個基於人工智能技術的市場開始蓬勃的發展起來了。
簡單介紹壹下什麽叫做智能語音交互平臺。其實大實話就是在呼叫中心基礎上，集成 ASR、 TTS、的呼叫服務平臺。
那麽如何我們自己去搭建智能語音系統呢？
我們先列出搭建智能外呼系統的搭建需要那些技術和服務：
個人認為：
[if !supportLists]·[endif] 首先最重要的是交換機：
[if !supportLists]1. [endif]PBX也就是交換機，商用設備原廠包括像華為、Avaya、思科、東匯等這些生產硬件交換機，
[if !supportLists]2. [endif]還有就是目前FreeSitch、asterrisk、OpenPBX這些軟件交換機。
[if !supportLists]·[endif] 其次是AI技術: 及包含語音識別、語義理解、語音合成這三種技術是核心組成部分。語音識別相當於人的“耳朵”，接進電話後，對人的話語進行處理轉義成系統能夠識別的數據交由系統處理去識別。在進壹步的話，可以轉義為文字。語義理解相當於人的"大腦"，根據話語識別人的意圖。語音合成，相當於人的”嘴巴“，識別人的意圖之後，依照特定的回答方式，去回復和引導對話。
[if !supportLists]·[endif] 再者是前端服務平臺：即用戶登錄、配置呼叫流程，建立呼叫任務、統計呼叫數據、導出呼叫報表的網站，這個是終端用戶唯壹可以看到並且操作的界面。
[if !supportLists]·[endif] 最後是外呼線路：其中包括三大運營商以及其他小型的集成線路供應商，主要目的是外呼電話或者是接入電話。
也有人可能有疑問：”智能語音交互系統最重要的不是人工智能麽，和交換機有啥關系？”為什麽說最重要的是交換機呢，原因是不管我們是外呼還是接入電話、都需要前端服務平臺把外呼請求發送給交換機，通過外呼線路而撥出去。換句話說交換機是控制整體的外呼情況。硬件的交換機，比如說像華為的交換機，價格在大約幾萬到幾百萬不等的價格。對於想要建立自己的智能語音交互系統來說，價格對於壹些小型公司來說承受不起，而FreeSitch這種軟交換則大大方便了小型公司建立自己的智能語音交互系統。
什麽是FreeSwitch？
FreeSitch是壹個電話的軟交換解決方案，包括壹個軟電話和軟交換機用以提供語音和聊天的產品驅動。FreeSitch 可以用作交換機引擎、PBX、多媒體網關以及多媒體服務器等。支持多種通訊技術標準，包括 SIP, H.323, IAX2 以及 GoogleTalk ，同時也可以方便的與其他開源的PBX系統進行對接。而且具有很強的伸縮性。旨在為音頻、視頻、文字或任何其他形式的媒體，提供路由和互連 通信協議 。
FreeSwitch 的典型功能
[if !supportLists]·[endif]在線計費、預付費功能。?
[if !supportLists]·[endif]電話路由服務器。?
[if !supportLists]·[endif]語音轉碼服務器。?
[if !supportLists]·[endif]支持資源優先權和QoS的服務器。?
[if !supportLists]·[endif]多點會議服務器。?
[if !supportLists]·[endif]IVR、語音通知服務器。?
[if !supportLists]·[endif]VoiceMail服務器。?
[if !supportLists]·[endif]PBX應用和軟交換。?
[if !supportLists]·[endif]應用層網關。?
[if !supportLists]·[endif]防火墻/NAT穿越應用。?
[if !supportLists]·[endif]私有服務器。?
[if !supportLists]·[endif]SIP網間互聯網關。?
[if !supportLists]·[endif]SBC及安全網關。?
FreeSwitch最典型的功能是作為壹個服務器，並用電話客戶端軟件連接到它。雖然FreeSwitch支持眾多的通信協議，但其最主要的協議還是SIP，通過SIP中繼發起會話協議。
使用FreeSwitch這種軟交換的好處在於，妳只需要壹臺服務器就可以隨時搭建自己的外呼中心，而且FreeSwitch支持跨平臺運行。能夠原生運行Windows、Linux、BSD等諸多32/64位平臺。
FreeSwitch內部使用線程模型來處理並發請求，每個連接都在單獨的線程中進行處理，不同的線程間通過Mutex互斥訪問***享資源，並通過消息和異步事件等方式進行通信。FreeSwitch本身是比較穩定的，它是比較優秀的開源軟件。另壹方面來講，FreeSwitch又是比較激進的，它的開發分支裏會有大量的新特性加入，因此在測試不全面的情況下，很容易出現不穩定的情況。而在用於生產環境的情況下，系統的穩定性是系統能否正常被使用的關鍵。之前我們在做項目的過程中，就遇到壹些FreeSwitch不穩定的情況，導致外呼情況不理想。舉壹個例子：我們在進行測試外呼的時候，語音通話斷斷續續，雖然前端服務平臺可以很好的接受到數據的傳輸，但是，真正在與人工進行溝通的時候，會出現各種各樣的溝通障礙，為了解決這壹個問題，我們花費了幾個月的時間，去研究FreeSwitch的結構特性。終於把這個問題解決掉。我們的項目才得以繼續推動，最終得以真正落地部署實施。
也有人可能有疑問：”FreeSwitch軟交換雖然重要，但是既然是智能語音交互系統人工智能不重要嗎？”，重要，當然重要！容我慢慢道來~
AI 技術
1. 通信原理
先簡單解釋壹下正常打電話這個流程
流程：A→PSTN→B
解釋：PSTN是Public
Switched Telephone Network，意思為公***交換電話網絡，也就是我們的運營商的網絡電話，
那我們平時如何給呼叫中心比如打電話是如何打的？：個人A打電話給呼叫中心1***6 打電話，撥通後聽到錄音，您好，撥打人工臺，請按0鍵，按鍵之後，出現盲音，真正接通之後，客服接通了電話。
流程：A→PSTN→PBX→IVR→客服
解釋：PBX也叫交換機、相當於整個呼叫中心的出入口
IVR也叫互動/交互式語音應答，語音導航，也就是相當於咨詢業務請按鍵，這壹環節，根據業務去分流到客服。
智能語音交互平臺（智能機器人）落實到具體具體業務場景是如何實現的：
如：”個人A要在某壹個大型酒店預訂位子“，
A撥通後先聽到了聲音，“您好，我是機器人小嶽，需要我幫您訂位子是嗎？
個人A說，“我不要和機器人說話，找個真人來”。
然後聽到錄音，“為您轉接很貴的真人客服，排隊中，請稍後”。
幾分鐘後接通，真人客服接了電話。
流程：A→PSTN→PBX→IVR（TTS→ASR→NLP→TTS）→ACD→客服
解釋：在IVR部分：不再需要提示按鍵，而是直接問來電方需要辦理什麽業務，然後識別語音、理解意圖後，根據用戶的需求，回答後轉入對應的業務隊列排隊。
上邊是接通的流程，呼出的流程與之相反，就不在贅述了。
2. 現在市場上的AI技術的運用
目前市場上的不管是ASR、TTS、NLP都被阿裏百度科大訊飛等巨頭公司所占據，這些技術在國內基本已經成為定局。像ASR這類引擎市場上大部分都是用的阿裏雲和訊飛雲的，要不就是百度雲。阿裏雲和訊飛雲的識別率高壹些，可以達到97%左右、百度的差壹些，識別率在80%左右，我們當初在做項目的時候選擇ASR做過測試，事實證明阿裏雲識別率更高同時也可以識別方言。因此，我們在做項目的時候，當仁不讓的選擇了阿裏雲的
TTS我們選擇的是訊飛的，選擇的理由很簡單，畢竟科大訊飛是人工智能領域巨頭級的公司，質量當然有的保證。
3. AI 能力對接
在具體落地中，這個領域的常規參與者通常具備呼叫中心能力或者AI能力其中壹種，而主要的對接點也就在於AI能力與呼叫中心設備去對接，而ASR/TTS與呼叫中心設備對接的常規協議主要是mrcp/sip。
媒體資源控制協議（Media Resource Control
Protocol, MRCP）是壹種通訊協議，用於語音服務器向客戶端提供各種語音服務(如語音識別和語音合成)。有兩個版本的MRCP協議，版本2使用SIP作為控制協議，版本1使用RTSP。
實際對接的時候，會遇到不少技術問題，當我們ASR/TTS引擎做私有雲部署，為了避免了內外網穿透時防火墻的諸多設置和語音流的時延。這在我們當時對接的時候也花費了好大壹番功夫。
前端服務平臺：
其中最重要的就是配置呼叫流程這壹塊兒了，
這壹塊兒很容易被忽視，但是這反而是可以出成績的地方。壹般來說壹套最佳話術模板，可以以壹敵萬。心理學基礎必須要有，壹句話怎麽說能讓接電話的人最大概率的順著自己的思路走，達成目的，從而形成特定細分領域機器人話術模板，得到最佳的外呼效果（接通率、通話時長、電銷意願、催收意願）或者是接通效果（滿意度）
其余的基本就是web端的東西了，具體功能點呢，即用戶登錄、配置呼叫流程，建立呼叫任務、統計呼叫數據、導出呼叫報表，這些功能點基本實現就可以，因為站在產品角度，產品最重要的價值就是可以呼通或者接通用戶的電話，並且能夠準確的識別用戶的意圖，並且準確的回答用戶。這就是智能語音交互系統的最終目標，也壹直是我們的最終目標。
外呼線路廠商：
壹般如果是購買系統的話，是給提供線路的，只需交壹些線路費用。如果是自己做項目的話，網上、淘寶上壹大堆，費用可以談，也給提供線路對接的接口。
結語
雖然現在市場上做智能語音交互系統的比較多，但壹般只限於各個行業的電話銷售，真正意義上的智能語音交互還是很少的。原因很簡單，雖然原理不是很難但是真正落地實施的時候，遇到的困難非常的多，幾乎是壹步壹個坑。好在現在已經真正的落地實施了，方方面面的效果都還是很不錯的。壹年多的辛苦沒有白費。哈哈~
寫這篇文章嘗試給大家簡單介紹壹下智能語音交互系統，然才疏學淺，疏漏和不當之處在所難免，權當給大家拋磚引玉。
諸多細節限於主題和篇幅的要求不做詳細記述，如有問題，歡迎隨時交流。