[发明专利]外呼语音输出方法、装置及设备

说明书

本申请提供了一种外呼语音输出方法、装置及设备，该方案能够通过可变话术子句中可变话术槽位的内容灵活适应不同外呼任务中的变量，如不同的呼叫对象、地址等，预先生成的语音文件能够覆盖实际外呼场景中外呼出话语句的大部分内容。因此可以预生成外呼出话语句中大部分内容的语音文件，并在在需要时直接调取输出即可，有效提高了出话速度，并且适用场景灵活，可以避免出现语音播报卡顿的情况。

技术领域

本申请涉及信息技术领域，尤其涉及一种外呼语音输出方法、装置及设备。

背景技术

随着人工智能算法的发展，智能外呼系统也被越来越多的呼叫中心所采用。但是，目前智能外呼系统还面临一系列难题，如：语音识别不准确，人机对话时出话速度慢等。其中，对话时出话速度慢这个问题给用户带来了非常不好的使用体验，各大智能外呼系统的厂家运用了不同的方法去解决这个问题：如，在TTS(Text To Speech，文本转语音)服务中加入语音缓存，对于完全一样的文本内容，直接用缓存而非实时生成；在实时生成语音文件时采用分段生成的方案，按标点符号对外呼出话语句切分后，调用TTS服务先生成第一段子句的语音文件进行播放，然后在播放的同时调用TTS服务生成第后续子句的语音文件，依次播放。

上述的方法能够解决一部分问题，但仍然会有各自的缺陷。如使用TTS语音缓存的方案虽然能解决部分语句的出话速度问题，但是由于实际的智能外呼系统在进行呼叫时，一般需要对不同的呼叫人设置不同的外呼出话语句。而在进行缓存时难以穷举所有情况下可能输出的外呼出话语句，因此在实际场景中，TTS语音缓存技术适用场景不够灵活，无法难以解决上述问题。

如果使用语音分段合成技术，确实能加快一些出话速度。但是，由于是以标点符号对外呼出话语句进行拆分，会导致出话速度完全依赖标点的断句位置，容易出现某一些子句的过长的情况。如果碰到第一段子句的文本内容很长时，仍然会导致出话速度较慢，而碰到中间子句的文本内容很长时，则会出现前一个子句的语音已经播放完毕，而后一个子句仍然未生成语音的情况，从而给接听用户的感觉是语音播报卡顿。

由此可知，目前智能外呼系统中所采用的方案无法很好的解决出话速度较慢的问题。

发明内容

本申请的一个目的是提供一种外呼语音输出方案，用以解决外呼系统出话速度慢的问题。

为实现上述目的，本申请提供了一种外呼语音输出方法，该方法包括：

获取外呼出话语句中的固定话术子句和可变话术子句，并调用文本转语音服务生成所述固定话术子句的第一语音文件，其中，所述可变话术子句包括可变话术槽位；

根据外呼任务的变量信息确定所述可变话术子句中可变话术槽位的内容，调用文本转语音服务生成所述可变话术子句的第二语音文件；

根据所述第一语音文件和/或第二语音文件拼接获得外呼出话语句对应的预生成语音文件；

根据所述外呼任务对应的目标外呼出话语句调取并输出所述预生成语音文件。

本申请还提供了一种外呼语音输出装置，该装置包括：

话术获取模块，用于获取外呼出话语句中的固定话术子句和可变话术子句，其中，所述可变话术子句包括可变话术槽位；

语音预生成模块，用于调用文本转语音服务生成所述固定话术子句的第一语音文件，以及根据外呼任务的变量信息确定所述可变话术子句中可变话术槽位的内容，调用文本转语音服务生成所述可变话术子句的第二语音文件；

语音拼接模块，用于根据所述第一语音文件和/或第二语音文件拼接获得外呼出话语句对应的预生成语音文件；

语音输出模块，用于根据所述外呼任务对应的目标外呼出话语句调取并输出所述预生成语音文件。