🧕🏾 🌑 🤰🏾 Google ASR के साथ ग्राहक स्वयं सेवा 🍎 🙌🏻 🔔

यह सब एक ग्राहक के अनुरोध के साथ शुरू हुआ था, जो समय के साथ बनाए रखना चाहते थे और आंशिक रूप से लाइव ऑपरेशन करने वालों को एक सुलेमस रोबोट के साथ बदल देते थे - टेलीफोन के माध्यम से मीटर रीडिंग का स्वागत करने के लिए। DTMF के माध्यम से इनपुट के साथ सब कुछ स्पष्ट प्रतीत होता है और इसमें कोई हाइलाइट नहीं है। मुझे वॉइस इनपुट चाहिए था।

कट के तहत, बॉक्सिंग तारांकन विकल्पों में से एक के लिए गूगल एएसआर को खराब करने के बारे में एक छोटा मैनुअल।

कुछ इंटरनेट निगरानी के बाद, एमडीजी प्रौद्योगिकियों पर आधारित कई टर्नकी समाधान पाए गए। शायद यह अच्छा है, लेकिन मूल्य टैग 150 किलो रूबल से शुरू हुआ है, इसलिए हम (हेलो टॉड) द्वारा चलते हैं।

उन्होंने नग्न तारांकन नहीं किया, क्योंकि मैं किसी तरह का गुई चाहता हूं, FreePBX भी जंगल में चला गया क्योंकि यह एक बड़े कस्टम-संदर्भ में बदल जाता है, उन्होंने XVB - VirtualPBX का एक बॉक्स लिया क्योंकि: crr, TTS, जीएसएम मॉडम, ऑटोइंफॉर्मर (हमारा दूसरा चरण) बॉक्स से बाहर , Http एपीआई के माध्यम से, ASR और डेटाबेस। हम एक मुफ्त एक लेते हैं (यह केवल 10 एक साथ कॉल की सीमा से भुगतान वाले से भिन्न होता है), संस्करण हमारी 2 पीएसटीएन लाइनों और आंखों के लिए 2 3 जी सीटी के लिए है। सिद्धांत रूप में, एक ही स्विचवॉक्स के लिए, स्क्रूिंग उसी के बारे में है।

आइए जाने:

VMWare प्लेयर के लिए रेडी-टू-यूज़ इमेज के साथ साइट या मिरर से डाउनलोड करें (स्थिर लेकिन थोड़ा पुराने तारांकन के साथ) एक बड़ा tar.bz2 संग्रह। या अगर कोई पुराना संस्करण है तो हम अपडेट डालते हैं।

VMWare प्लेयर में अनपैक करें और चलाएं या ESXi में कनवर्ट करें या वास्तविक हार्डवेयर में डंप करें। कुछ भी जटिल नहीं है। पहला लॉन्च थोड़ा लंबा है क्योंकि ध्वनि फ़ाइलों को अनपैक किया गया है और अपडेट की जांच की जाती है।

गीतात्मक विषयांतर:
सिस्टम की कल्पना एक वर्चुअल पीबीएक्स होस्टिंग बनाने के लिए की गई थी, लेकिन जब से हम इसे पूरी तरह से उपयोग करते हैं, हम प्रवेश और उपयोगकर्ता हैं। सामान्य तौर पर, यह `गौरैया` का मुकाबला करने के लिए एक छोटी` तोप` नहीं है। लेकिन अतिरिक्त उपहार भी हैं, उदाहरण के लिए, बॉक्स से कई क्यूए बनाने की क्षमता।

हम व्यवस्थापक इंटरफ़ेस में जाते हैं, उपयोगकर्ता बनाते हैं, डीआईडी जोड़ते हैं, उसकी भाषा रूसी-महिला में बदलते हैं (यह Google टीटीएस है) - यह वर्चुअल पीबीएक्स हमारी स्वयं-सेवा प्रणाली होगी। संभवतः यह सेटिंग के बारे में अधिक विस्तार से लिखने के लायक नहीं है, उन्होंने पहले ही यहां लिखा था।

फिर हम कंसोल में स्टंप करते हैं और एक cgi स्क्रिप्ट लिखते हैं जो Google पर जाएगी। हम एक उदाहरण लेते हैं और सीजीआई मापदंडों को समझने के लिए इसे थोड़ा सही करते हैं, हमें कुछ ऐसा मिलता है:

#!/usr/bin/perl ######################################################################## use strict; use CGI qw(:standard); use LWP::UserAgent; use JSON::XS; my $lang = param('lang'); my $file = param('file'); my $var_name = param('var') || 'ASR_RESULT'; print "Content-type: text/plain; charset=utf-8\n\n"; my $url; if ( lc($lang) eq 'ru' ) { $url = "http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=ru-RU"; } else { $url = "http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=en-US"; } my $new_file = "/tmp/google-asr-$$.wav"; open(TMP,">$new_file"); my $buffer; while ( !eof($file) ) { read( $file, $buffer, 16384 ); print TMP $buffer; } system "ffmpeg -y -i $new_file $new_file.flac 2>/dev/null"; if ( $? ) { print "$var_name=\n"; die "Can't convert file $new_file to $new_file.flac: $?\n"; } else { $new_file .= '.flac'; } my $file_info = `file $new_file`; if ( $file_info =~ /FLAC audio.*\s([\d.]+)\s*kHz/ ) { $file_info = $1 * 1000; } else { unlink $new_file; print "$var_name=\n"; die "Incorrect FLAC file: $file_info\n"; } unless ( open( FILE, "<$new_file" ) ) { print "$var_name=\n"; die "Can't open input file[$file]: $!\n"; } undef $/; my $audio = <FILE>; $/ = "\n"; close(FILE); unlink $new_file; my $ua = LWP::UserAgent->new( debug => 1 ); my $response = $ua->post($url, Content_Type => "audio/x-flac; rate=$file_info", Content => $audio); if ( $response->is_success ) { my $h_ref; eval { my $json = JSON::XS->new(); $h_ref = $json->decode($response->content()); }; if ( ref $h_ref eq 'HASH' and exists $h_ref->{'hypotheses'} ) { my $data = $h_ref->{'hypotheses'}->[0]->{'utterance'}; my $map = { 'o' => 0, 'o' => 1, 'a' => 2, '' => 3, '' => 4, '' => 5, '' => 6, '' => 7, 'o' => 8, '' => 9, '' => 10, '' => '', '' => '', '' => '', '' => '', '' => '', '' => '', '' => '', '' => '', '' => '', '' => '', '' => '', '' => '', }; my $result = ''; foreach my $ch ( split(/\s+/,$data) ) { $result .= length($map->{$ch}) ? $map->{$ch} : $ch; } print "$var_name=$result\n"; exit; } } print "$var_name=\n";

सीजीआई मापदंडों को पढ़ने के अलावा, उन्होंने फॉर्म 'वन', 'टू', इत्यादि के स्ट्रिंग्स से `रूपांतरण 'को भी जोड़ा, और काउंटरों और कन्फर्मेशन के प्रकारों के नाम के लिए कई' एलियाज़ '(हाँ == हाँ)" अगला "सही है, क्योंकि कुछ लाइनों पर, 'आगे' को सिर्फ 'हां' से बेहतर पहचाना जाता है।

इनपुट पर, स्क्रिप्ट को wav फॉर्मेट में एक फाइल मिलती है और वैरिएबल के नाम पर जहां वैल्यू लिखनी होती है (यह XVB में ट्रांसमिट होती है और डायलप्लान में इस्तेमाल होती है), हम 2 और स्क्रिप्ट बनाते हैं:

दूसरा (account_check.cgi) व्यक्तिगत खाते में प्रवेश करने की शुद्धता की जांच करता है,
तीसरा (कमिटगी) डेटाबेस में डेटा लिखता है।

मैं उन्हें यहां नहीं लाऊंगा क्योंकि सब कुछ आपके डेटाबेस पर निर्भर करेगा। तीसरी स्क्रिप्ट व्यक्तिगत खाता संख्या / प्रकार के संकेत / संकेत और संकेत लेती है और उन्हें डेटाबेस में लिखती है और अंतर लौटाती है। हम इसे उपयोगकर्ता के लिए उच्चारण करते हैं।
हम इन स्क्रिप्ट्स को उसी मशीन (या किसी अन्य पर) / var / www / cgi-bin / में सेव करते हैं।

अगला, लगभग समान टुकड़ों से एक उबाऊ डायल योजना सेटअप होता है:

डेटा अनुरोध और हमारी cgi-script में स्थानांतरण जो wav (WebVariables) से एक पाठ स्ट्रिंग लौटाता है
उपयोगकर्ता इनपुट का सत्यापन (GotoIF)
डेटा प्रविष्टि दोहराएं (RoboText)
आवाज की पुष्टि (WebVariables)

यही है, प्रत्येक संकेतक के लिए हम करते हैं:

डेटा अनुरोध (ध्वनि फ़ाइल रिकॉर्ड करना)।
एक फ़ाइल को एक वेब सर्वर पर स्थानांतरित करना जो दर्ज किए गए डेटा को पाठ में डिकोड करता है और एक चर में प्रतिक्रिया देता है।
हमने उपयोगकर्ता को पढ़ा कि उसने क्या दर्ज किया और प्रविष्टि की पुष्टि करने के लिए कहा।
परिणाम लिखें।

जैसा कि आप देख सकते हैं, क्रियाएँ बहुत उबाऊ हैं, इसलिए हमने यह सब हाथ से नहीं किया, लेकिन XML कॉन्फिग स्क्रिप्ट को उत्पन्न किया
(XVB XML फ़ाइल से लोडिंग / अनलोडिंग कॉन्फ़िगरेशन का समर्थन करता है)। क्या हुआ एक छोटा सा टुकड़ा:

 <opt> <IVR name="0" EXT_NUMBER="0" NAME="." GREET_REPEAT_CNT="1" GREETING="     ." GREET_REPEAT_DELAY="0.00" NEXTEXTENSION="V5_2*0" TYPE="1" WAITEXTENSION="0"> </IVR> <IVR name="error" EXT_NUMBER="error" NAME="WEB " GREETING=" .   ." GREET_REPEAT_CNT="1" GREET_REPEAT_DELAY="0.00" NEXTEXTENSION="hangup" TYPE="1" WAITEXTENSION="0"> </IVR> <IVR name="V5_2*0" EXT_NUMBER="V5_2*0" NAME="  -  --------------" GREET_REPEAT_CNT="0" GREET_REPEAT_DELAY="0.00" NEXTEXTENSION="V5_2*1" TYPE="1" WAITEXTENSION="0"> </IVR> <IVR name="V5_2*1" EXT_NUMBER="V5_2*1" NAME="  -  /  " GOTO_IF_FAIL="error" GREETING="    " GREET_REPEAT_DELAY="0.00" GREET_REPEAT_CNT="1" MAX_MSG_DURATION="10" MAX_SILENCE="2" NEED_VOICE="1" NEXTEXTENSION="V5_2*2" TYPE="20" WAITEXTENSION="0" WEBVAR_URL="http://localhost/cgi-bin/gv.pl?lang=ru&file=% VAR:FILE_DATA %&var=ASR_RESULTV5_2"> </IVR> <IVR name="V5_2*2" EXT_NUMBER="V5_2*2" NAME="  -  /  " GREET_REPEAT_CNT="0" GREET_REPEAT_DELAY="0.00" NEXTEXTENSION="V5_2*3" TYPE="21" WAITEXTENSION="0"> <_VB_DATA COND="==" FUNC="strlen" PRIORITY="5" REDIRECT_TO="V5_2*2*1" VAR_NAME="ASR_RESULTV5_2" VAR_VALUE="0"/> </IVR> <IVR name="V5_2*2*1" EXT_NUMBER="V5_2*2*1" NAME="  -  /  " GREETING="    ,    ." GREET_REPEAT_CNT="1" GREET_REPEAT_DELAY="0.00" NEXTEXTENSION="V5_2*1" TYPE="1" WAITEXTENSION="0"> </IVR> <IVR name="V5_2*3" EXT_NUMBER="V5_2*3" NAME="  -  /  " GREETING=" " GREET_REPEAT_CNT="1" GREET_REPEAT_DELAY="0.00" NEXTEXTENSION="V5_2*4" SAY_PATTERN="char" SAY_PATTERN_ID="0" TEXT_STR="% VAR:ASR_RESULTV5_2 %" TYPE="25" WAITEXTENSION="0"> </IVR> <IVR name="V5_2*4" EXT_NUMBER="V5_2*4" NAME="  -  / " GOTO_IF_FAIL="error" GREETING=",    ." GREET_REPEAT_DELAY="0.00" GREET_REPEAT_CNT="1" MAX_MSG_DURATION="3" MAX_SILENCE="2" NEED_PARAMS="0" NEED_VOICE="1" NEXTEXTENSION="V5_2*4*1" TYPE="20" WAITEXTENSION="0" WEBVAR_URL="http://localhost/cgi-bin/gv.pl?lang=ru&file=% VAR:FILE_DATA %"> </IVR> <IVR name="V5_2*4*1" EXT_NUMBER="V5_2*4*1" NAME="  -  /  " GREET_REPEAT_CNT="0" GREET_REPEAT_DELAY="0.00" NEXTEXTENSION="V5_2*3" TYPE="21" WAITEXTENSION="0"> <_VB_DATA COND="==" FUNC="value" PRIORITY="5" REDIRECT_TO="V5_2*0" VAR_NAME="ASR_RESULT" VAR_VALUE=""/> <_VB_DATA COND="==" FUNC="value" PRIORITY="5" REDIRECT_TO="V5_2*1" VAR_NAME="ASR_RESULT" VAR_VALUE=""/> </IVR> <IVR name="V5_3*9" EXT_NUMBER="V5_3*9" NAME="  -  / " GREET_REPEAT_CNT="0" GREET_REPEAT_DELAY="0.00" NEXTEXTENSION="V5_3*9*1" TYPE="6" WAITEXTENSION="0" QUIET_MODE="1" GOTO_IF_FAIL="error" TTS_URL="http://127.0.0.1/cgi-bin/commit.pl?level=V5_3&account=% VAR:ASR_RESULTV1 %&value1=% VAR:ASR_RESULTV5_1 %&value2=% VAR:ASR_RESULTV5_2 %&value3=% VAR:ASR_RESULTV5_3 %"> </IVR> <IVR name="V5_3*9*1" EXT_NUMBER="V5_3*9*1" NAME="-----------------------" GREET_REPEAT_CNT="1" GREETING="  . .       ." GREET_REPEAT_DELAY="0.00" NEXTEXTENSION="0" TYPE="1" WAITEXTENSION="0"> </IVR> </opt>

आप xxx.xml में उपरोक्त कॉन्फिगर को सेव कर सकते हैं और इसे कॉन्फ़िगरेशन रिस्टोर आइटम के जरिए यूजर प्रोफाइल में भर सकते हैं।

वेब पर, हम कुछ इसी तरह के साथ समाप्त हुए:

वास्तव में आवाज के माध्यम से और DTMF (VirtualPBX में DTMF में प्रवेश करके स्वयं सेवा को व्यवस्थित करने की क्षमता बॉक्स से बाहर है इसलिए मैंने इसका विस्तार से वर्णन नहीं किया है) मैं तैयार हूं। अब हम अपनी स्क्रिप्ट को पीसते हैं और सामान्य ध्वनि अभिवादन लिखते हैं।

PS आइए देखें कि कितने लोग DTMF की आवाज को पसंद करते हैं, मेरे लिए DTMF सरल (अधिक परिचित) और तेज प्रतीत होता है यदि DTMF के माध्यम से प्रवेश करना संभव है।

Google ASR के साथ ग्राहक स्वयं सेवा

आइए जाने:

More articles: