通过3CX CFD使用谷歌云端语音识别服务

2,325 阅读量

通过3CX CFD使用谷歌云端语音识别服务

介绍：

谷歌云作为云服务平台服务商，提供了文本转语音Text To Speech（TTS）和语音转文本Speech To Text（STT）。3CX支持这两种服务，第一种是作为文本到语音的替代引擎，第二种是通过语音输入组件（ Voice Input component）提供语音识别。要使用此功能，您需要3CX电话系统v16 update 6或更高版本。

本指南介绍了如何创建Google 云账户，如何启用文本转语音/语音转文本服务，以及如何在CFD应用程序中使用这些服务。

提示：该示例应用程序的项目可通过CFD 示例 GitHub页面获得，并与3CX呼叫流设计器一起安装在您的Windows用户文档文件夹中，即 “C:\Users\YourUsername\Documents3CX Call Flow Designer Demos”。

使用Google Cloud进行文字转语音

很多时候，需要再现无法预先录制的音频，例如从数据库获得的名称，地点或某些任务描述。在这些情况下，可以使用文本语音转换（TTS），让我们为CFD应用程序动态创建WAV文件，以将其回放给主叫方。

3CX呼叫流程设计器包括“文本到语音音频（Text to Speech Audio） ”提示，当使用“提示音播放”组件（Prompt Playback component），“菜单”组件（Menu component），“用户输入”组件（User Input component）等配置提示时使用。

CFD应用程序在将消息播放给呼叫者之前，实时将文本转换为语音。它调用Web服务以获取音频流，并将其保存到本地为WAV文件。最后，当呼叫结束时，将自动删除WAV文件以保持系统干净。

要使用TTS，您可以使用Google Cloud或Amazon Web Services提供的引擎。本指南说明了如何使用Google Cloud设置CFD应用。要将TTS与Amazon Web Services结合使用，请参阅本指南。

在选择Google Cloud引擎之前，请检查语言覆盖范围和可用的声音。

使用Google Cloud语音转文字

您可以使用语音输入组件（Voice Input component）启用呼叫者的语音识别，并将结果转换为文本。 例如，您可以要求您的客户口头指定：

  • 一个字母数字ID，因此您可以使用它进行数据库查找。
  • 公司内自动将呼叫者连接到适当目的地的人员或部门的名称。

该组件将呼叫者音频实时发送到Google Cloud，并实时接收回识别信息，从而验证流程中的输入。

在开始使用语音识别的CFD项目之前，请检查支持的语言。

步骤1：建立Google Cloud帐户

在开始进行CFD项目之前，您需要一个Google Cloud帐户。 要创建它，请转到Google Cloud 控制台，然后按照说明激活您的帐户。

步骤2：建立Google Cloud项目

启用Google Cloud帐户后，请转到Google Cloud 控制台，然后：

  • 用适当的名称创建一个新项目，例如 “ 3CX TTS and STT”，然后单击“创建（CREATE）”。在Google Cloud Console中启用API服务。
  • 通过转到“菜单（Menu）”>“ API和服务（APIs & Services）”>“仪表板（Dashboard）”，然后单击“ +启用API和服务（+ ENABLE APIS & SERVICES）”来启用所需的API。 选择并启用以下服务：

A. Cloud Speech-to-Text API.

B. Cloud Text-to-Speech API.

  • 要创建服务帐户，以便CFD应用可以通过Google Cloud进行身份验证并使用此项目，请转到“菜单（Menu）”>“ IAM和管理员（IAM & Admin）”>“服务帐户（Service Accounts）”，然后单击“ +创建服务帐户（+ CREATE SERVICE ACCOUN）”
  • 用适当的值填写服务帐户详细信息，然后单击“创建（CREATE）”。
  • 将“角色（Role）”设置为“项目所有者”，然后单击“继续（CONTINUE）”。
  • 在“授予用户访问此服务帐户的权限（Grant users access to this service account）”部分中，将字段保留为空，然后单击“完成（DONE）”。
  • 在包含服务账户详情的新行中，点击右侧的3个点，选择 “创建密钥（Create key）”。
  • 选择JSON，然后点击 “创建（CREATE ）”将JSON文件下载到您的计算机。将此文件存储在安全位置，以便访问您的云资源。您需要这个文件来配置CFD应用程序中的 “在线服务（Online Services）”。

步骤3：创建CFD项目

准备好您的Google Cloud帐户后，您可以继续创建我们的Call Flow Designer项目：

  • 打开CFD并转到“文件（File）”>“新建（New）”>“项目（Project）”，选择要保存的文件夹，然后输入项目的名称，例如 “ SpeechToTextDemo”。
  • 转到“工具（Tools）”>“在线服务（Tools）”菜单，然后：

在“文字转语音（Text To Speech）”下，选择：

A.“Online Service”: Google Cloud

B. “服务帐户密钥JSON文件（Service Account Key JSON File）”：选择在上一步中下载的JSON文件。

在“语音转文字（Speech To Text）”下，选择:

  1. “Online Service”: Google Cloud
  2. “服务帐户密钥JSON文件（Service Account Key JSON File）”：已经选择了JSON文件，因为它与TTS和STT相同。

这些设置用于项目中的每个“文本到语音”音频提示和“语音输入”组件。

步骤4：添加“语音输入”组件（ “Voice Input” Component）

“语音输入 “组件可以让你配置提示，要求呼叫者输入，所以在这个演示中，在同一个组件中同时使用了 “文本到语音 “和 “语音到文本”。在进入 “语音输入 “之前，首先添加 “Prompt Playback “组件以提供欢迎信息。

要添加 “Prompt Playback “组件：

  • 从工具箱中拖动一个 “Prompt Playback “组件，并将其放到 “Main “调用流的设计视图中。然后选中添加的组件，进入 “Properties “将其重命名为 “Welcome”。
  • 从 “Properties “中打开 “Prompt Collection Editor”，点击 “Prompts “属性右侧的按钮。
  • 单击“Add”将新提示添加到集合中，然后将类型更改为“Text to Speech Audio Prompt”。
  • 选择要使用的声音。语音的下拉列表按语言排序，因此您可以轻松找到所需的可用语言选项。

注意：此处列出了可用于Google Cloud的声音。 如果Google Cloud发布了尚未包含在此下拉列表中的新语音，则只需在“语音名称”列中输入值即可使用它。 如果要预设定特定的声音，可以从“Tools”>“Options”>“Component Templates”>“Text To Speec”进行设置。 对于此演示，使用“en-US-Standard-B (English – US, Male)”语音配置文件。

  • 选择文本类型：

“Text”–“Text “属性的值被TTS引擎视为纯文本，将其转换为语音一样。”Text “在本例中被设置为代表典型用法。

“SSML”（语音合成标记语言）–根据SSML规范，”Text “属性的值被视为XML。使用SSML，您可以控制语音的各个方面，如发音、音量、音调和语速。更多信息，请参见Google关于使用SSML的指南。

  • 输入文本的表达式。 根据上一步中选择的类型，表达式必须返回纯文本以转换为语音，或者根据SSML规范转换为XML。 对于此演示，可以使用此静态文本：

“Welcome to this speech recognition demo application.”

要添加“语音输入”组件：

  • 从工具箱中拖动一个 “Voice Input “组件，并将其放入 “Main “呼叫流的设计视图中。然后选择添加的组件，进入 “Properties”，重命名为 “AskForDepartment”。
  • 双击添加的组件以启动配置对话框并设置：

a“Input Timeout”：3秒。 这意味着该组件将尝试识别音频，直到呼叫者在3秒钟内保持沉默，或者它识别出某些东西为止。

b “Max Retries”：3.这意味着当用户保持沉默或输入无效时，该组件最多重复提示输入3次。

c “Language Code”：选择“ en-US”。

d 对于提示，请使用“Text to Speech Audio Prompts”，并为每个提示配置以下文本：

“Initial Prompts”：“请说出您要连接的部门名称，例如销售，支持或市场部门。”

“Subsequent Prompts”：“让我们再试一次。说出您要连接的部门的名称，例如销售，支持或营销部门。”

“Timeout Prompts”：“对不起，我听不到您的声音。”

“Invalid Input Prompts”：“很抱歉，您需要说出有效的选项之一，例如“销售”，“支持”或“营销”。

e 对于“Dictionary”，您可以定义三（3）个有效选项：“销售”，“支持”和“营销”。 这意味着“语音输入”组件将尝试在识别的文本中识别这些术语之一。 完成后，语音识别结束，组件继续前进。

  • 当 “语音输入 “组件从字典中识别出一个条目时，在 “有效输入 “分支中继续执行。在这种情况下，你需要使用 “创建条件 “组件检查识别到的内容，然后将调用转移到相应的目的地。将工具箱中的这个组件添加到 “Valid Input “分支中，将其命名为 “CheckRecognition”，并将该组件配置为三（3）个分支。”销售（Sales）”、”支持 （Support）”和 “营销（Marketing）”。
  • 对于Sales分支，在Condition属性中使用以下表达式：

EQUAL(AskForDepartment.DictionaryMatch,”Sales”)

  • 对于Support分支，请在Condition属性中使用以下表达式：

EQUAL(AskForDepartment.DictionaryMatch,”Support”)

  • 对于Marketing分支，请将Condition保留为空，以便在跳过前两个分支时执行该分支。
  • 在每个分支中，添加一个“Transfer”组件，该组件配置为将呼叫转接到适当的目的地。
  • 最后，将另一个“Transfer”组件添加到“Invalid Input”分支，以便可以将呼叫转接到接待员。

步骤5：构建并部署到3CX电话系统

该项目已准备就绪，可以通过以下步骤构建并上传到我们的3CX电话系统服务器：

  • 选择“Build”>“Build All”，CFD生成文件“ SpeechToTextDemo.zip”。
  • 转到“ 3CX管理控制台”>“高级”>“呼叫流程应用程序”>“添加/更新”，然后上载CFD在上一步中创建的文件。
  • 呼叫流程应用已准备就绪，可以使用。 拨打电话以测试此应用。请注意，第一次调用此应用程序时，第一次文本到语音的转换和第一次语音识别可能会有短暂的延迟。这与身份验证过程有关，并且仅在您首次调用该应用程序时发生。
Filed Under: 技术文档