如何在 WebRTC 应用中添加一个语音机器人

实时互动 • 2023年5月17日下午4:21 • WebRTC

语音机器人，也被称为语音助手，是一种使用自然语言处理（NLP）和文本到语音（TTS）技术的机器人，通过语音命令与用户互动。语音机器人被设计为响应口语请求，以对话方式提供信息或执行任务。

语音机器人和普通聊天机器人的一个关键区别是它们与用户互动的方式。语音机器人使用语音识别来理解口语请求，而聊天机器人使用文本识别来解释书面请求。此外，语音机器人被设计为提供更多的对话体验。

我们最近与一个客户合作，该客户正在从传统的现场代理过渡到语音机器人，为其远程治疗应用的客户服务职责。

为什么在你的WebRTC应用中使用语音机器人？

不间断的服务。该机器人将 24/7 全天候接听电话。
用户满意。你可以立即将呼叫者连接到机器人，而不是等待操作员的到来。然后，用户可以很容易地被转移到一个代理，并可以问一些经常问到的问题，机器人将能够回答。
方便。不需要整天都有接线员。而且，接线员可以从事其他工作，而不是每天忙于处理多个电话和回答重复的问题。
个性化。训练机器人响应特定需求。
辅助功能。用户可以向语音机器人提问并获得即时回复或免提访问相关信息。
多国语言。该机器人可以使用多种语言进行交互。
高度可训练。根据需要添加更多功能。

客户之前的实施情况

呼叫者分布在多个国家和地区。面对数以百计的潜在来电者，管理每个用户需要联系的人可能变得很复杂。一般来说，有几个接线员在值班接听电话。接线员与来电者交谈，问他们想与谁交谈。然后接线员继续做一个（热）转接给适当的代理。如果代理人不在，接线员就把来电者送到语音信箱，让他留言。

语音机器人的实施

我们的客户用一些常见的问题和答案来训练语音机器人。例如，要求连接到一个代理，并提供一个名字或一些标识。他们还在增加一个语言选择器，以便能够用其他语言提问和回答。

最初，该机器人被训练成一个聊天机器人，但我们的客户希望为呼叫者提供这种能力和更多。

高级流程示例

图例：
TTS： TTS是文字转语音的意思。它指的是将书面文字转换为口语的技术。
ASR：自动语音识别（语音转文字）
SLU： SLU代表口语理解（Spoken Language Understanding）。它是自然语言处理（NLP）的一个子领域，专注于理解和提取口语中的意义。
LLM： LLM 是“语言模型”的缩写。语言模型是一种统计模型，它预测给定语言中一系列单词或短语的可能性。

一种可能有助于标准化解决方案的方法是利用为管理语音应用中的媒体而建立的现有协议。MRCP（媒体资源控制协议）用于管理语音和讲话应用中的媒体资源。它使应用服务器和媒体服务器之间能够进行通信，以完成语音识别和合成等任务。

一旦建立了媒体连接，它就可以将其转发给 TTS 或 ASR 服务，然后转发给提供响应的 SLU 或 LLM，我们可以将其转发回 IP-PBX。