A rögzített ügyfélhívások beszédfelismerése és elemzése értékes információkat nyújt a vállalatnak az aktuális trendekről, a termék hiányosságairól és a sikerekről.
A cikkben ismertetett példamegoldás egy megismételhető folyamatot vázol fel a beszélgetési adatok átviteléhez és elemzéséhez.
Architektúra
Az architektúra két folyamatból áll: egy átírási folyamatból, a hang szöveggé alakításához, valamint egy bővítési és vizualizációs folyamatból.
Átírási folyamat
Töltse le az architektúra Visio-fájlját.
Adatfolyam
- A hangfájlok bármilyen támogatott módszerrel feltölthetők egy Azure Storage-fiókba. Használhat egy UI-alapú eszközt, például az Azure Storage Explorert , vagy használhat tárolási SDK-t vagy API-t.
- Az Azure Storage-ba való feltöltés elindít egy Azure-logikai alkalmazást. A logikai alkalmazás hozzáfér a szükséges hitelesítő adatokhoz az Azure Key Vaultban, és kérést küld a Speech szolgáltatás kötegelt átírási API-jára.
- A logikai alkalmazás elküldi a hangfájlok hívását a Speech szolgáltatásnak, beleértve a hangszóró-diarizálás opcionális beállításait is.
- A Speech szolgáltatás befejezi a kötegelt átírást, és betölti az átírási eredményeket a Storage-fiókba.
Bővítési és vizualizációs folyamat
Töltse le az architektúra Visio-fájlját.
Adatfolyam
- Egy Azure Synapse Analytics-folyamat fut az átírt hangszöveg lekéréséhez és feldolgozásához.
- A folyamat egy API-híváson keresztül küld feldolgozott szöveget a Language service-nek. A szolgáltatás különböző természetes nyelvi feldolgozásokat (NLP) végez, például hangulat- és véleménybányászatot, összegzést, egyéni és előre összeállított entitásfelismerést.
- A feldolgozott adatok egy Azure Synapse Analytics SQL-készletben vannak tárolva, ahol olyan vizualizációs eszközökhöz, mint a Power BI.
Összetevők
- Azure Blob Storage. Nagymértékben skálázható és biztonságos objektumtárolás natív felhőbeli számítási feladatokhoz, archívumokhoz, adattavakhoz, nagy teljesítményű számítástechnikához és gépi tanuláshoz. Ebben a megoldásban tárolja a hangfájlokat és az átirati eredményeket, és adattóként szolgál az alsóbb rétegbeli elemzésekhez.
- Azure Logic Apps. Egy olyan integrációs platform szolgáltatásként (iPaaS), amely egy tárolóalapú futtatókörnyezetre épül. Ebben a megoldásban a tárolási és beszéd AI-szolgáltatásokat integrálja.
- AI Speech szolgáltatás. Egy AI-alapú API, amely olyan beszédfelismerési képességeket biztosít, mint a szövegfelolvasás, a szövegfelolvasás, a beszédfordítás és a Speaker Recognition. Ebben a megoldásban a kötegelt átírási funkciót használják.
- AI nyelv. Egy AI-alapú felügyelt szolgáltatás, amely olyan természetes nyelvi képességeket biztosít, mint a hangulatelemzés, az entitások kinyerése és az automatizált kérdések megválaszolása.
- Azure Synapse Analytics. Adatintegrációt, vállalati adattárházat és big data-elemzést biztosító szolgáltatáscsomag. Ebben a megoldásban átalakítja és gazdagítja az átírási adatokat, és adatokat szolgáltat az alsóbb rétegbeli vizualizációs eszközöknek.
- Power BI. Adatmodellezési és vizualizációelemzési eszköz. Ebben a megoldásban átírt hangelemzéseket jelenít meg a felhasználók és a döntéshozók számára.
Alternatívák
A megoldásarchitektúra néhány alternatív megközelítése:
- Fontolja meg a Blob Storage-fiók hierarchikus névtér használatára való konfigurálását. Ez a konfiguráció hozzáférés-vezérlési listát (ACL)-alapú biztonsági vezérlőket biztosít, és javíthatja bizonyos big data számítási feladatok teljesítményét.
- A számítási feladat méretétől és méretétől függően előfordulhat, hogy az Azure Functionst a Logic Apps vagy az Azure Synapse-folyamatok helyett kódelső integrációs eszközként használhatja.
Forgatókönyv részletei
Az ügyfélszolgálati központok számos iparág számos vállalkozásának sikerének szerves részét képezik. Ez a megoldás az Azure AI-szolgáltatások Speech API-ját használja a rögzített ügyfélhívások hangátírásához és diarizálásához. Az Azure Synapse Analytics olyan NLP-feladatok feldolgozására és végrehajtására szolgál, mint a hangulatelemzés és az egyéni elnevezett entitásfelismerés API-hívásokon keresztül az AI-nyelvre.
Az itt leírt szolgáltatások és folyamatok segítségével feldolgozhatja az átírt szöveget a bizalmas információk felismeréséhez és eltávolításához, hangulatelemzéshez és egyebekhez. A szolgáltatásokat és a folyamatot bármilyen mennyiségű rögzített adathoz skálázhatja.
Lehetséges használati esetek
Ez a megoldás számos iparágban, köztük a távközlésben, a pénzügyi szolgáltatásokban és a közigazgatásban is értéket biztosíthat a szervezetek számára. Minden olyan szervezetre vonatkozik, amely beszélgetéseket rögzít. Különösen az ügyféloldali vagy belső call centerek vagy támogatási pultok használhatják ki a megoldásból származó megállapításokat.
Megfontolások
Ezek a szempontok implementálják az Azure Well-Architected Framework alappilléreit, amely a számítási feladatok minőségének javítására használható vezérelvek készlete. További információ: Microsoft Azure Well-Architected Framework.
Biztonság
A biztonság biztosítékokat nyújt a szándékos támadások és az értékes adatokkal és rendszerekkel való visszaélés ellen. További információ: A biztonsági pillér áttekintése.
- A Speech API-nak küldött kérés tartalmazhat egy közös hozzáférésű jogosultságkód (SAS) URI-t egy céltárolóhoz az Azure Storage-ban. Az SAS URI lehetővé teszi, hogy a Speech szolgáltatás közvetlenül a tároló helyére adja ki az átiratfájlokat. Ha a szervezet nem engedélyezi az SAS URI-k használatát a tároláshoz, akkor olyan függvényt kell implementálnia, amely rendszeres időközönként lekérdezi a Speech API-t a befejezett objektumokhoz.
- A hitelesítő adatokat, például a fiók- vagy API-kulcsokat titkos kulcsként kell tárolni az Azure Key Vaultban. Konfigurálja a logikai alkalmazásokat és az Azure Synapse-folyamatokat a kulcstartóhoz való hozzáféréshez felügyelt identitások használatával, hogy elkerülje a titkos kulcsok tárolását az alkalmazásbeállításokban vagy a kódban.
- A blobban tárolt hangfájlok bizalmas ügyféladatokat tartalmazhatnak. Ha több ügyfél is használja a megoldást, korlátoznia kell a fájlokhoz való hozzáférést. Használjon hierarchikus névteret a tárfiókon, és kényszerítse ki a mappa- és fájlszintű engedélyeket, hogy csak a szükséges Microsoft Entra-példányra korlátozza a hozzáférést.
Költségoptimalizálás
A költségoptimalizálás a szükségtelen kiadások csökkentésének és a működési hatékonyság javításának módjairól szól. További információ: A költségoptimalizálási pillér áttekintése.
Az architektúrában leírt összes Azure-szolgáltatás lehetővé teszi a használatalapú fizetéses számlázást, így a megoldás költségei lineárisan skálázhatók.
Az Azure Synapse lehetővé teszi a kiszolgáló nélküli SQL-készletek használatát, így az adattárház számítási feladatainak számítási feladatai igény szerint felpöröghetnek. Ha nem az Azure Synapse-t használja más alsóbb rétegbeli használati esetek kiszolgálására, fontolja meg a kiszolgáló nélküli használatot a költségek csökkentése érdekében.
További költségoptimalizálási stratégiákért tekintse meg a költségoptimalizálási pillér áttekintését.
Az itt javasolt szolgáltatások díjszabását az Azure díjkalkulátorában találja.
Teljesítmény hatékonysága
A teljesítménybeli hatékonyság lehetővé teszi, hogy a számítási feladatok hatékonyan méretezhetők legyenek a felhasználók igényei szerint. További információ: Teljesítményhatékonysági pillér áttekintése.
A Batch Speech API nagy mennyiségre van tervezve, de más Azure AI-szolgáltatások API-jai esetében előfordulhat, hogy az egyes előfizetési szintekre vonatkozó kéréskorlátok vannak érvényben. Fontolja meg ezeknek az API-knak a tárolóba való tárolását a nagy mennyiségű feldolgozás szabályozásának elkerülése érdekében. A tárolók rugalmas üzembe helyezést biztosítanak a felhőben vagy a helyszínen. Az új verziók bevezetésének mellékhatásait tárolók használatával is enyhítheti. További információ: Tárolótámogatás az Azure AI-szolgáltatásokban.
Közreműködők
Ezt a cikket a Microsoft tartja karban. Eredetileg a következő közreműködők írták.
Fő szerzők:
- Dhanashri Kshirsagar | Vezető tartalomprogram-kezelő
- Brady Leavitt | Dir Specialist GBB
- Kirpa Singh | Vezető szoftvermérnök
- Christina Skarpathiotaki | Felhőmegoldás-tervező
Egyéb közreműködő:
- Mick Alberts | Műszaki író
A nem nyilvános LinkedIn-profilok megtekintéséhez jelentkezzen be a LinkedInbe.
Következő lépések
- Rövid útmutató: Beszéd felismerése és szöveggé alakítása
- Rövid útmutató: Integrációs munkafolyamat létrehozása több-bérlős Azure Logic Apps és az Azure Portal használatával
- Rövid útmutató: A Language Studio használatának első lépései
- Azure AI-szolgáltatások az Azure Synapse Analyticsben
- Mi a Speech szolgáltatás?
- Mi az Azure Logic Apps?
- Mi az AI Nyelv?
- Mi az az Azure Synapse Analytics?
- Elemzések kinyerése szövegből a Language szolgáltatással
- Adatok modellezése, lekérdezése és feltárása az Azure Synapse-ban