基于语音自动分级的语音服务方法及语音客服服务平台

技术领域

本申请涉及计算机技术领域，尤其涉及一种基于语音自动分级的语音服务方法及系统。

背景技术

现在针对电力服务各场景(例如咨询、协调、投诉等)的用户交流和访谈工作，通常先由客服服务平台处理用户的语音信息，分析出用户的需求后将其记录，并给出对应的。

然而，现有客服服务平台的处理能力较为一般，可能无法准确地分析出用户所表达的需求，也就无法保证根据用户的交流信息为其高效、准确地提供对应的语音服务。

为此，提供一种能够通过准确地分析用户的交流信息，为用户提供高效、准确的语音服务显得尤为重要。

发明内容

本发明实施例的目的在于提供一种基于语音自动分级的语音服务方法及系统，本申请实施例能够为用户提供高效、准确的语音服务。具体技术方案如下：

在本发明实施例的第一方面，提供一种基于语音自动分级的语音服务方法，包括：获取用户的交流信息；其中，所述交流信息包括所述用户交流过程中的语音信息和文字信息；对所述交流信息进行处理，提取关键信息；其中，所述关键信息包括关键语音、关键字词和关键衍生信息；对所述关键信息进行分析，得到所述交流信息对应的第一等级；根据所述第一等级的交流信息，确定针对所述第一等级的交流信息的语音服务任务，所述语音服务任务包括语音服务的类型和第二等级。

可选地，所述对所述交流信息进行处理，提取关键信息，包括：

将所述交流信息输入至关键信息提取模型，得到所述交流信息的中间分类结果；

根据所述中间分类结果，提取所述关键信息；

其中，若所述关键信息为关键语音，则所述分类结果的分类依据包括所述交流信息对应的语音情绪和语速；

若所述关键信息为关键字词，则所述分类结果的分类依据包括所述交流信息对应的文字情绪和程度词数量。

可选地，所述关键衍生信息包括所述交流信息的关键发言人信息，所述关键发言人信息根据所述关键语音中的发言频次、发言占比和打断客服语音次数中的一种或多种的确定。

可选地，所述对所述关键信息进行分析，得到所述交流信息对应的第一等级，包括：

根据所述关键信息，结合第一预设条件，确定所述交流信息的主等级；其中，所述主等级包括所述交流信息的急缓等级和重要等级；

根据所述交流信息的主等级和所述关键信息，结合所述第二预设条件，确定所述主等级下所述交流信息对应的子等级；其中，所述子等级的高低与所述急缓等级和所述重要等级的高低正相关。

可选地，所述方法还包括：

若所述交流信息的子等级处于最高，获取所述关键信息与所述第二预设条件的偏差程度；

若所述偏差程度满足第三预设条件，则对所述交流信息的主等级做出调整。

可选地，根据所述第一等级的交流信息，确定针对所述第一等级的交流信息的语音服务任务，包括：

根据所述交流信息的第一等级中的急缓等级，确定所述语音服务任务的类型，所述类型包括人工语音服务和智能语音服务。

可选地，所述方法还包括：

根据所述交流信息的第一等级中的重要等级，确定与所述第一等级匹配的第二等级，所述第二等级包括人工语音服务等级和智能语音服务等级；

若所述语音服务任务为所述人工语音服务，则根据所述人工语音服务等级，匹配对应人工语音服务人员的好评率、评分和工作年限中的至少一个筛选标准，将满足所述筛选标准的人工语音服务人员确定为所述人工语音服务的执行人员；

若所述语音服务任务为所述智能语音服务，则根据所述智能语音服务等级匹配对应的智能语音库，以根据所述智能语音库的语音内容为所述用户提供语音服务。

可选地，所述方法还包括：

根据所述针对所述第一等级的交流信息的语音服务任务，对交流大纲进行更新；其中，所述交流大纲用于为语音服务客服制定与所述用户的交流内容。

在本发明实施例的又一方面，提供一种基于语音自动分级的语音服务平台，所述服务平台包括：

交流信息获取模块，用于获取用户的交流信息；其中，所述交流信息包括所述用户交流过程中的语音信息和文字信息；

关键信息提取模块，用于对所述交流信息进行处理，提取关键信息；其中，所述关键信息包括关键语音、关键字词和关键衍生信息；

关键信息分析模块，用于对所述关键信息进行分析，得到所述交流信息对应的第一等级；

任务建立模块，用于根据所述第一等级的交流信息，确定针对所述第一等级的交流信息的语音服务任务，所述语音服务任务包括语音服务的类型和第二等级。

在本发明实施例的又一方面，提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如上所述的方法。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的基于语音自动分级的语音服务平台的应用场景示意图；

图2是本申请实施例提供的基于语音自动分级的语音服务方法的流程示意图；

图3是本申请实施例提供的语音服务平台的结构示意图；

图4是本申请实施例提供的计算机设备的内部结构图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本申请一些实施例所示的基于语音自动分级的语音服务平台(下文简称“语音服务平台”)的应用场景示意图。如图1所示，语音服务平台100可以包括服务器110、网络120、第一用户端130、第二用户端140和存储器150。

服务器110可以处理从语音服务平台100的至少一个组件(例如，第一用户端130、第二用户端140和存储器150)或外部数据源(例如，云数据中心)获取的数据和/或信息。例如，服务器110可以从第一用户端130(例如，乘客端)获取交互指令。又例如，服务器110还可以从存储器150获取历史数据。

在一些实施例中，服务器110可以包括处理设备112。处理设备112可以处理与人机交互系统相关的信息和/或数据以执行本说明书中描述的一个或多个功能。例如，处理设备112可以基于交互指令和/或历史数据确定语音服务。在一些实施例中，处理设备112可包括至少一个处理单元(例如，单核处理引擎或多核处理引擎)。在一些实施例中，处理设备112可以为第一用户端130和/或第二用户端140的一部分。

网络120可以提供信息交换的渠道。在一些实施例中，网络120可以包括一个或多个网络接入点。语音服务平台100的一个或多个部件可以通过接入点连接到网络120以交换数据和/或信息。在一些实施例中，语音服务平台100中的至少一个组件可以经由网络120访问存储在存储器150中的数据或指令。

第一用户端130的所有者可以是用户本人或用户本人之外的其他人。例如，第一用户端130的所有者A可以使用第一用户端130发送针对用户B的服务请求。在一些实施例中，第一用户端130可以包括各类具有信息接收和/或发送功能的设备。第一用户端130可以处理信息和/或数据。在一些实施例中，第一用户端130可以是具有定位功能的设备。第一用户端130可以是具有显示功能的设备，显示服务器110反馈给第一用户端130的语音服务的文字内容，显示的方式可以是界面、弹窗、浮窗、小窗、文字等。第一用户端130可以是具有语音功能的设备，从而可以播放服务器110反馈给第一用户端130的语音服务。

第二用户端140可以与第一用户端130通信。在一些实施例中，第一用户端130和第二用户端140可以通过短距离通信装置进行通信。在一些实施例中，第二用户端140的类型可以与第一用户端130相同或不同。例如，第一用户端130和第二用户端140可以包括但不限于平板电脑、笔记本电脑、移动设备、台式电脑等或其任意组合。

在一些实施例中，存储器150可以存储处理设备112可以执行或使用以完成本说明书描述的示例性方法的数据和/或指令。例如，存储器150可以存储历史数据、用于确定语音服务的模型、语音服务的音频文件、文本文件等。在一些实施例中，存储器150可以作为后端存储器直接连接到服务器110。在一些实施例中，存储器150可以是服务器110、第一用户端130和/或第二用户端140的一部分。

图2示出了本申请实施例提供的一种基于语音自动分级的语音服务方法的流程示意图，如图2所示，一种基于语音自动分级的语音服务方法包括如下步骤：

步骤210、获取用户的交流信息。

在一些实施例中，可以通过图像采集设备，例如摄像头、光场相机、行车记录仪等带有照相和摄像功能的设备，对进行用户手部的图像数据或视频数据采集，并将采集后的数据上传至系统。

其中，交流信息可以包括所述用户交流过程中的语音信息和文字信息。在一些场景中，用户可以与语音客服进行交流，例如用户可以通过终端登录语音服务平台的界面，进行咨询、协调或投诉等操作。可以理解，交流过程也可以通过访谈的形式，例如同时对多个用户进行访谈。

其中，文字信息可以通过语音信息转化得到，例如从语音信息中提取文字信息。在一些实施例中，可以通过预先训练好的语音识别模型或声学模型识语音信息中的内容，再将识别出的内容以文字形式记录，得到交流信息对应的文字信息。例如，可以通过算法或模型提取文字信息，例如，通过LSTM、BERT、one-hot、词袋(Bag-of-words)模型、词频与逆向文件频率(term frequency–inverse document frequency，TF-IDF)模型、词汇表模型等。

步骤220、对所述交流信息进行处理，提取关键信息。

其中，关键信息可以包括关键语音、关键字词和关键衍生信息。具体地，可以从语音信息中提取关键语音，可以从文字信息中提取关键字词，可以从语音信息和文字信息中综合提取出关键衍生信息。

可选地，步骤220还可以包括以下步骤：

将所述交流信息输入至关键信息提取模型，得到所述交流信息的中间分类结果；

根据所述中间分类结果，提取所述关键信息；

其中，若所述关键信息为关键语音，则所述分类结果的分类依据包括所述交流信息对应的语音情绪和语速；

若所述关键信息为关键字词，则所述分类结果的分类依据包括所述交流信息对应的文字情绪和程度词数量。

其中，语音情绪是指语音信息所表达出的情绪，例如积极情绪、中性情绪和消极情绪。具体地，可以通过关键信息提取模型的分类功能提取包含用户情绪的关键语音，并给出分类结果，也即，可以将关键信息提取模型用作情感分类器。

其中，语音情绪可以包括但不限于：失落、平静、热情或者激情等，实际场景中可以根据需要自定义处理。例如，在一些实施例中，语音情绪还可以包括：喜悦、悲伤、痛苦、欣慰、兴奋等，不作穷举。

具体地，分类结果可以为语音信息的情绪概率，其中，语音情绪的分类识别结果所指示的情绪为概率最高的一种情绪。例如，情绪分类器输出的情绪分类结果可以为：失落2％，平静20％，热情80％，激情60％，那么，该情绪识别结果所指示的情绪为：热情。在其他实施例中，分类结果也可以通过输出情绪的标识来识别最终结果，例如分类结果可以为：失落1、平静0、热情0，则识别出标签为1的“失落”情绪作为语音情绪的最终分类结果。需要说明的是，提取文字情绪可以的具体细节可以参考提取语音情绪的相关说明，本实施例不做赘述。

可选地，可以通过训练好的声学模型计算出，声学模型可以作为子模型设计在关键信息提取模型，或者关键信息提取模型可以具备声学模型的功能。可以通过计算用户的语音信息中每句/每段语音的平均时长，来获取用户在交流过程中的语速，例如语音信息中每句/每段语音的平均时长越短，则说明用户的语速越快。

其中，程度词可以为文字信息中的关键字词中用于表示程度的词，例如：很、非常、相当、尽可能等。可以理解，当用户的交流信息中出现过多的程度词，便有极大概率反映出用户对于其需求的迫切性和重要性，因此分类结果中可以给出程度词的数量，例如1个、5个、10个等。可以理解，程度词的数量越多，则表示用户交流信息的需求迫切性、紧急性和重要性越高。

其中，关键信息提取模型自身或包含的子分类模型可以包括但不限于神经网络(NN)、卷积神经网络(CNN)、深度神经网络(DNN)、神经网络(NN)、卷积神经网络(CNN)、循环神经网络(RNN)等或其任意组合。

其中，所述关键衍生信息包括所述交流信息的关键发言人信息，所述关键发言人信息根据所述关键语音中的发言频次、发言占比和打断客服语音次数中的一种或多种的确定。

在一些实施例中，可以预设一个发言频次的阈值(例如每分钟发言3次)，当某个用户的发言频次达到或超过该阈值时，可以确定该用户为关键发言人，其交流信息可以被确定为关键发言人信息。在一些实施例中，也可以预设一个发言占比的阈值，例如30％、40％等。其中，发言占比该用户的发言时长在参与交流的所有用户和语音客服发言时长的占比，例如该用户发言总时长为5分钟，参与交流的所有用户和语音客服发言的总时长为10分钟，则该用户的发言占比为50％，当某一受访者的发言时长达到或超过该阈值时，可以确定该用户为关键发言人，其交流信息可以被确定为关键发言人信息。在一些实施例中，还可以预设一个打断客服语音次数的阈值(例如在10分钟内发言被打断5次)，其中，打断客服语音是指在智能客服提供语音服务输出语音的过程中，用户打断智能客服语音发言的操作。可以理解，当某一受访者的发言被打断次数达到或者超过该阈值时，表示该用户对语音服务的内容或方向存在异议或不理解，因此语音客服平台应重点关注该用户的交流信息，即可确定该用户为关键发言人，其交流信息可以被确定为关键发言人信息。

在一些实施例中，为了保证从用户的交流信息中准确地提取出关键信息，关键信息提取模型还可以为具有区分不同音色(例如，区分用户与的智能客服的音色)功能的声音识别模型。在一些实施例中，可以是基于GMM-SVM算法训练得到，其中高斯混合模型GMM用于利用多个高斯分布的加权混合描绘语音发出者的特征空间分布，支持向量机SVM用于进行分类判别，判定说话的声音来自智能客服还是用户。

在一些实施例中，可以通过用户和智能客服的语音数据作为测试集输入至训练好的关键信息提取模型，来测试其识别精度。

其中，GMM模型的公式可以表示为：

其中，公式(1)中的p(x)为特征空间分布值，x为测试样本，k为样本数量，Π

其中，SVM模型的公式可以表示为：

其中，公式(2)中的

对于上述提到的样本x，可以通过BERT模型来获取每个样本的分类概率；计算各分类概率的熵值，熵值越小，即认为样本数据所包括的信息稳定性越好。其中，各分类概率的熵值采用以下公式进行计算：

其中，公式(3)中的H为对应的熵值，n为样本总数，x

步骤230、对所述关键信息进行分析，得到所述交流信息对应的第一等级。

可选地，步骤230还可以包括：

根据所述关键信息，结合第一预设条件，确定所述交流信息的主等级；其中，所述主等级包括所述交流信息的急缓等级和重要等级；

根据所述交流信息的主等级和所述关键信息，结合所述第二预设条件，确定所述主等级下所述交流信息对应的子等级；其中，所述子等级的高低与所述急缓等级和所述重要等级的高低正相关。

其中，第一预设条件可以包括与交流信息急缓程度和重要等级的各种预先设置条件，例如第一预设条件可以包括语音情绪为消极情绪且语速等级为快，可以理解，满足该第一预设条件的关键信息能够反映出用户的情绪比较消极且交流语速较快，有极大的概率是咨询较为急切、重要的事情。因此，第一等级可以对应为急缓等级高、重要等级高。

可选地，在获取关键信息的主等级后，可以根据主等级下的子等级实现对主等级的细分，因此第二预设条件与第一预设条件类似，也可以包括与交流信息急缓程度和重要等级的各种预先设置条件，但是相较于第一预设条件更为细分。例如，可以获取判断关键发言人所用到的阈值信息用来作为第二预设条件，来对主等级进行细分为子等级，例如可以设置多个区间的阈值结合交流信息中用户的发言占比，获取用户的发言占比落在哪个子等级对应的阈值区间，则对应该阈值区间的子等级；又例如，可以通过语音情绪/文字情绪对应积极情绪和消极情绪的强烈程度，对主等级进行细分为子等级，例如满足强烈消极情绪的子等级为1、满足一般消息情绪的子等级为2等。

当然，第一等级和第二等级均可以通过文字、数字、特殊符号等形式展现。例如，急缓等级为1、子等级为1、急缓等级为※、子等级为※等，本实施例不做限制。

可选地，本申请实施例的方法还可以包括：

若所述交流信息的子等级处于最高，获取所述关键信息与所述第二预设条件的偏差程度；

若所述偏差程度满足第三预设条件，则对所述交流信息的主等级做出调整。

其中，关键信息与所述第二预设条件的偏差程度可以通过偏差值的形式体现。例如，第二预设条件为程度词的数量大于5个，但是用户对应的关键信息中程度词的数量为10个，可以看出，偏差值为5个，但是该偏差值的占比与第二预设条件的阈值已经达到了1：1的比例，说明关键信息与第二预设条件的偏差程度较大，可以对该关键信息的主等级进行调整，例如将该关键信息的主等级上升一个等级。

步骤240、根据所述第一等级的交流信息，确定针对所述第一等级的交流信息的语音服务任务。其中，语音服务任务可以包括语音服务的类型和第二等级。

可选地，步骤240还可以包括：根据所述交流信息的第一等级中的急缓等级，确定所述语音服务任务的类型。其中，语音任务的类型可以包括人工语音服务和智能语音服务。

可选地，本申请实施例的方法还可以包括：

根据所述交流信息的第一等级中的重要等级，确定与所述第一等级匹配的第二等级，所述第二等级包括人工语音服务等级和智能语音服务等级；

若所述语音服务任务为所述人工语音服务，则根据所述人工语音服务等级，匹配对应人工语音服务人员的好评率、评分和工作年限中的至少一个筛选标准，将满足所述筛选标准的人工语音服务人员确定为所述人工语音服务的执行人员；

若所述语音服务任务为所述智能语音服务，则根据所述智能语音服务等级匹配对应的智能语音库，以根据所述智能语音库的语音内容为所述用户提供语音服务。

可以理解，在确定出交流信息的第一等级后，可以获取该交流信息的急缓程度和重要程度，当急缓等级和重要等级越高，说明该用户的交流信息越高，对于第一等级较高的交流信息，可以为用户转至人工语音服务或等级较高的智能语音客服，以提升用户的体验感和对用户进行语音服务的效率。

可选地，本申请实施例的方法还包括：

根据所述针对所述第一等级的交流信息的语音服务任务，对交流大纲进行更新。

其中，所述交流大纲用于为语音服务客服制定与所述用户的交流内容。例如，当根据用户的交流信息确定交流主题或主要交流内容为产品咨询时，访谈大纲可以更新相应的访谈内容为产品参数、产品核心优势等相关的访谈交流内容。在一些替代性实施例中，所述访谈大纲还可以是基于工作人员以人工输入的更新内容，由人工判断交流信息的倾向性对访谈内容进行更新。

由上可知，本申请实施例在获取用户的交流信息后，通过提取关键信息、对关键信息进行分析后，能够对交流信息进行细致、准确地分级和需求识别，以根据用户交流信息的急缓程度和重要程度，为用户高效准确地确定语音服务的类型和等级，以便于为用户提供高效、准确的语音服务。

为实现上述方法类实施例，本申请实施例还提供一种基于语音自动分级的语音服务平台，图3示出了本申请实施例提供的一种基于语音自动分级的语音服务平台的结构示意图，所述系统包括：

交流信息获取模块301，用于获取用户的交流信息；其中，所述交流信息包括所述用户交流过程中的语音信息和文字信息；

关键信息提取模块302，用于对所述交流信息进行处理，提取关键信息；其中，所述关键信息包括关键语音、关键字词和关键衍生信息；

关键信息分析模块303，用于对所述关键信息进行分析，得到所述交流信息对应的第一等级；

任务建立模块304，用于根据所述第一等级的交流信息，确定针对所述第一等级的交流信息的语音服务任务，所述语音服务任务包括语音服务的类型和第二等级。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述装置中模块/单元/子单元/组件的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在一些实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储用户的交流信息数据和智能语音客服平台的相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于语音自动分级的语音服务方法及语音客服服务平台。

在一些实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现基于语音自动分级的语音服务方法及语音客服服务平台。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一些实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一些实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

综上所述，本申请提供的一种基于语音自动分级的语音服务方法，其特征在于，包括：

获取用户的交流信息；其中，所述交流信息包括所述用户交流过程中的语音信息和文字信息；

对所述交流信息进行处理，提取关键信息；其中，所述关键信息包括关键语音、关键字词和关键衍生信息；

对所述关键信息进行分析，得到所述交流信息对应的第一等级；

根据所述第一等级的交流信息，确定针对所述第一等级的交流信息的语音服务任务，所述语音服务任务包括语音服务的类型和第二等级。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。