一、智能語音客服

　　目前，通信運營商等在客服領域比較先進的企業(yè)已經實現了智能文字客服，通過文字識別技術和智能匹配算法對通過短信和網站文字客服提出的服務訴求智能匹配答案，不需人工判斷。要實現智能語音客服，也要通過識別和匹配這兩關。

　　我們先說說識別吧。早在Siri之前，就已經有很多語音識別工具問世，最早的基于電子計算機的語音識別系統(tǒng)是由AT&T貝爾實驗室開發(fā)的Audrey語音識別系統(tǒng)，它能夠識別10個英文數字，現在AT&T的語音系統(tǒng)Watson已經可以實現在線德語和英語的實時口譯。以現在的技術，語音的識別依然比較困難，主要面臨的難點有2個：

　　1.算法

　　算法是軟件的核心，目前的語音識別算法使用的語言模型仍是一種概率模型，還未發(fā)展成以語言學為基礎的文法模型，算法不突破，效果無法取得突飛猛進的進展。算法的優(yōu)化不是一朝一夕的事情，需要慢慢不斷地進行，尤其語音這種非結構化數據（不便用數據庫二維邏輯表來表現的數據），但隨著大數據分析技術（用于非結構化數據的管理分析）的發(fā)展，也會對新算法開發(fā)帶來福音。一些核心算法如特征提取、搜索算法和自適應算法也都在一步步改進，且隨著數據源的不斷豐富，算法的識別效果也就越來越精準。

　　2.適應性

　　由于方言、語氣、環(huán)境和音色等因素的影響，限制了語音識別算法的效果，這就需要語言識別系統(tǒng)具有一定的自適應性，不同口音、方言的識別都需要以一個龐大的語音數據庫為基礎，對這些非結構化數據的管理分析就更加指望大數據技術了。至于排除環(huán)境噪音、音色等因素，個人感覺要依賴半導體傳感技術的進步，留待硬件領域的專家進一步探討。

　　接下來就說到匹配了。目前，匹配的算法已經相對比較成熟了，也許和大數據技術沒有直接聯系，不過其準確性也有賴于數據源的豐富程度，同時要在不斷產生的“交互數據”中動態(tài)地調整匹配結果。

　　綜上所訴，隨著數據源越來越多，大數據技術的不斷進步，語音識別系統(tǒng)也在持續(xù)地完善之中，說到底，算法依然是核心，而數據則是基礎，對于這類非結構化數據，也許傳統(tǒng)的數據庫技術Handle不住，但大數據技術卻大有可為。相信不久，語音識別的技術的突破不僅可以實現智能語音客服，還將變革人與物之間的交互方式。

　　二、語音文本轉換

　　因為這個功能的核心也是語音識別，所以大數據技術對的轉換準確度的保障支撐就不用再說了。之所以單列出來談呢，是因為其對客戶服務別有一番作用。

　　對于呼叫中心而言，客服人員與用戶的通話都是要錄音備份的，這些語音數據可真的不小哦，僅以廣東移動為例，廣東移動客服中心每年就要新增約60T的數據存儲，這個體量對于一般的企業(yè)來說已經是“大數據”了。據悉，這些數據是用磁帶來保存的，而且這些要保存幾十年不能銷毀，想想到時候光這些磁帶所占用的房間租金就是不少錢啊，更何況是其他成本。而如果能將這些語音準確地轉換成文本之后，文本存儲所占用的空間就小的多（一個移動硬盤都可以存儲一個圖書館的數據量了），存儲成本簡直就是直線下降，不僅實現了低成本高效，對自然環(huán)境也是一種利好。