在呼叫中心行業(yè)按照產品化思路來理解，每通人工電話就是我們的產品，針對這個產品的質檢檢控就是“質檢”，它包括通話質量、服務質量、業(yè)務解決質量以及滿意度等等。一般企業(yè)質檢團隊的配置比例為50:1~80:1.

　　做質檢的目的是做席員工進行工作質量評定，傳統(tǒng)上都是通過抽檢比例的形式來調查做席工作質量。但是這樣的傳統(tǒng)質檢不僅僅是在考驗坐席員工、更是考驗質檢員工的工作態(tài)度。并且質檢員工作非常繁重需要盡可能的覆蓋更多的做席員工，這樣的傳統(tǒng)質檢使得質檢員和坐席員工都很不適。

　　想要了解質檢的原因，就要先明白質檢的目的。其實質檢的目的很簡單就是要提升客戶滿意度，提供企業(yè)收入。不難想象，客戶撥打客服電話的動機：尋求解決問題的方法、反饋問題、發(fā)泄不滿閑聊。做席接通電話的目的：解決客戶問題、解決不了幫助客戶反饋問題，但是堅決抵制閑聊。

　　我們搭建質檢團隊，制定詳細繁雜的質檢指標和質檢管理策略，但是仍然有一個主要問題沒有解決——很多數據無法進行精細化分析。

　　通過量化指標，真正把坐席人員當作強大的生產力去培養(yǎng)，允許部分的個人特色。后期允許用戶選擇坐席，而不是靠坐席等待客戶的模式去推動生產服務。

　　傳統(tǒng)質檢，就是需要一堆人去抽樣聽錄音質量。錄音的作用就是被抽樣出來做質檢使用，或者留存以后備投訴核查。這么多年錄音的作用就是被這樣使用掉的，業(yè)支不要，客服中心不愛。

　　但是現在技術的發(fā)展可以使得我們把全量錄音數據轉化為富文本數據、轉化為個人情緒判定的結構化數據。之前我們建立的客戶畫像都是數字化的畫像，但結合錄音，我們可以把客戶畫像變成一個“帶感情的人”。

　　我們質檢的動作提前，利用現有技術手段，比如坐席助手、語音助手、情緒監(jiān)測、可視化質檢等手段可以盡早提醒坐席人員注意調整和休息，改善服務質量，提升工作效果。

　　隨著近十年人工智能技術的發(fā)展，語音和自然語音處理技術不斷取得突破，采用智能化的方法對電話語音中的內容進行深層次的分析，可以有效的節(jié)約人力成本并提高工作效率。就現在技術而言，語音質檢方案主要涉及語音關鍵詞檢索、音頻對比、情感識別等核心技術。

　　基于語音識別技術，關鍵詞檢索是將語音識別的結果構建成一個索引數據庫，然后把關鍵詞從索引數據庫中找出來。首先將語音數據進行識別處理，從里面提取索引構建索引數據庫，在進行關鍵詞檢索的時候，找到概率最高的，輸入其關鍵詞匹配結果。

　　確定關鍵詞檢索網絡后，接下來進行的是關鍵詞檢索。關鍵詞檢索可以基于音節(jié)信息。首先將用戶設定的關鍵詞文本解析成音節(jié)序列，再從檢索網絡中找出匹配結果，相比直接對文本結果進行檢索，這種方法的容錯性更強，因此，計算量更小，執(zhí)行效率更高，更適用于語音質檢這種海量數據檢索的應用場景。

　　音頻比對是指從音頻信號提取特征，通過特征進行比對的方法進行有害信息檢索的方法。該方法的核心在于提取的特征值需要滿足一定的要求，比如抗噪性、轉換不變性、魯棒性、快速性等特點，主要是為了滿足同一音頻能夠在不同聲道下進行準確檢索。

　　傳統(tǒng)的聲學特征已經不能滿足音頻比對任務的需求。所以在完成最大值點完成建模后，需要進行特征的構建，而特征構建是通過最大值點之間的距離來建模，例如兩個最大值點的距離、位置信息作為一個固定的特征來完成音頻特征信息的構建。

　　有了上述音頻特征之后，就可以對兩個不同音頻進行檢索，最大相似度的地方就是相似點，這種技術最適用于文本內容無關的錄音片段的檢索。

　　語音是人類交際的最重要的工具之一。人們在進行自然口語對話時，不僅傳遞聲音，更重要的是傳遞說話人的情感狀態(tài)、態(tài)度、意圖等。根據情感模型的不同，情感語音識別主要分為離散情感識別和連續(xù)情感語音識別。

　　離散情感識別是一個典型的模式分類問題，各種傳統(tǒng)的分類器均被廣泛應用于語音情感識別系統(tǒng)，例如隱馬爾科夫模型、高斯混合模型、支持向量機，人工神經網絡等。維度情感識別一般被建模為回歸預測問題。