聲紋識別解決方案
聲紋識別是AI領域一項典型應用，是傳統語音識別基礎上的新突破，采用生物識別技術實現了從“說什么”到“誰在說”的智能跨越。聲紋識別的業務應用場景包含有身份校驗、金融反欺詐、金融客服和智能音箱等。本方案面向“智能認知”領域，結合了多種生物特征識別技術，基于NLP技術領域，進行聲紋識別方向的創新應用，用聲音提升用戶體驗。 相比于單一的生物識別技術更加安全、可靠，多重認證過程保證了認證結果的準確性。聲紋識別是一項提取人的聲音特征進行身份辨識的技術。聲紋核身將簡化身份驗證流程， 提高效率；實名到實人， 遠程根據說話人的聲紋特征識別“說話人是誰”，實現安全可靠遠程身份認證，來解決遠程服務時的安全與效率問題。
產品特色
語音情緒識別：由計算機自動識別輸入語音的情緒狀態，實現對人類情緒感知過程的模擬。情緒的各種變化會對人的發聲器官產生影響，從而使聲音帶有豐富的情緒相關特征。人腦具備感知這些特征的能力，通過聆聽語音可以捕捉說話人的情緒狀態。 語音情緒識別技術模擬人腦對語音特征的處理，來實現情緒的自動識別?？梢杂米骺蛻魬嵟治龊妥殬I倦怠等方面的監控。支持的功能：聲紋庫的構建、聲紋1:1比對、聲紋1：N檢索。支持的服務方式：支持API接口調用。
解決方案價值優勢
聲紋識別是非接觸性的，而且語音文件相較于臉部照片來講隱私程度低；
聲紋驗證時長短，可極大擴展了聲紋在金融領域的應用范圍，在許多業務場景下，用戶甚至根本沒有察覺自己的身份已在辦理業務的過程中，在后臺通過了聲紋驗證。
聲紋鎖登陸”可使用聲紋密碼代替或輔助傳統的字符密碼與手勢密碼，解決用戶忘記密碼困擾的同時，極大減少了登陸時間，降低了信息泄露的風險。聲紋鎖采用 1v1 的聲紋比對模式， 將用戶注冊時的聲紋信息存于聲紋庫，每次登陸時用戶只需對著手機念出屏幕上的隨機數字或文字即可輕松登陸。
使用聲紋建立信用欺詐的黑名單庫，從而精準攔截二次欺詐，這將為反欺詐工作做出巨大貢獻。例如，在信貸申請環節要求用戶親自閱讀一段固定的文字存于聲紋庫，并且同時提取其聲紋特征。在信審過程中，系統自動將該聲紋與黑名單庫中的聲紋做對比， 如果命中黑名單，則可以調低信用級別乃至直接拒絕。這種形式類似于指紋識別的形式，但是比指紋識別有更多方式實現且更加安全。
聲紋識別客戶案例
凱捷的聲紋識別系統已在太平金服、太平金運使用，涉及的功能有聲紋識別1:1對比，聲紋庫（客戶、客服、黑名單）構建與管理等功能。
AI模型運行監控
AI模型在應用方面可以進行很多創新性的探索，比如在保險行業， 通過建設一個AI模型運行監控平臺， 針對模型的評估指標進行評價，即對模型的數理性能的評價，不涉及業務參數的調優。
模型實際上是根據大量數據構建的， ML 運營人員會花費大量時間來維護數據集。特別是，確保訓練集（用于訓練模型）和驗證集（用于測量模型的準確性）中的數據樣本具有相同的統計屬性。 但對于模型將要進入生產環境，接收的真實數據就不是那回事了。經濟環境變化、客群變化、數據源獲取等各種內外部因素都會引起模型分數偏移，甚至出現錯誤。這些令人擔憂的問題是“數據漂移”，即所接收數據的統計性質發生漸變。 最小值和最大值、平均值、中位數、方差等等：所有這些都是決定模型訓練期間做出的假設和決策的關鍵屬性。
為了能在第一時間發現問題，我們需要對模型進行動態監控。監控是構成閉環控制非常重要的一環，“AI模型運行監控可視化平臺”相當于模型運行控制系統的眼睛。
解決方案功能架構圖
“AI模型運行監控可視化平臺”是一個監控AI模型效果的組件，并根據模型效果提供對應的預警，以保證模型高效、穩定的運轉。
AI模型運行監控可視化平臺”的功能模塊如下所示：
“AI模型運行監控可視化平臺”可兼容兩種運行機制
產品特色
采任務監控主頁
評分卡模型監控指標群
混淆矩陣監控指標群
混淆矩陣監控指標群-KS
解決方案價值優勢
準：直擊數據項目落地痛點，打造閉環最后一公里
輕：插件形式部署至業務系統，普遍使用于現今各種形式的環境、建模語言，即取即用，極速上線
精：業務可挑選合適其業務特點的技術指標、業務指標，全面監控，精準直達業務重點。
客戶案例實施效果
已產品化的5大常規算法模型的監控組件： 傳統機器學習模型-回歸算法 傳統機器學習模型-混淆矩陣 評分卡算法模型 自然語言算法模型 聲紋識別模型
客訴智能識別
在智能客服的業務場景中，會面臨數據未打通、缺少智能客戶畫像、客戶需求識別困難等障礙，因此，整合不同系統的數據，利用大數據和自然語言處理NLP、 深度學習等技術對現有的語音數據及語音音轉字文本進行投訴模型、客戶忠誠度模型、熱點產品分析模型部署，為客服團隊提供支持。對客戶忠誠度模型進行落地，輸出客戶標簽，幫助客服更好地了解客戶；其次，利用大數據構建機器學習、深度學習模型對熱點產品進行分析， 輸出客戶在不同階段關注的熱點問題，實際幫助客服團隊提升服務能力，降低客服流失率，同時，也將相關分析成果提供給專業公司參考；最后，幫助客戶聯系中心參與投訴管理相關工作， 進行投訴開發，探索投訴解決快捷機制。通過構建智能識別投訴模型，搭建投訴準實時監控平臺，提升投訴解決效率。
產品特色
智能投訴識別模型：智能投訴識別模型擬從壽、財險客戶投訴歷史、用戶畫像、客戶情緒、是否解決問題、語氣語調信息、投訴關鍵詞等對客戶投訴傾向進行分析，利用分詞、詞向量、機器學習算法-隨機森林及深度學習算法進行投訴模型搭建， 其結果支持疑似投訴錄音編號、保單號、客戶投訴總次數、客戶投訴喜好等信息輸出。
熱點產品分析模型：熱點產品分析模型擬利用分詞、詞向量、機器學習聚類算法、關聯詞組算法進行模型搭建。輸入指定范圍內的熱點產品， 可查詢到客戶對于該產品最關心的幾大問題、重點投訴等，結合業務知識為客服提供熱點問題話術指導，提升客服服務能力。
客戶忠誠度模型：客戶忠誠度模型主要利用保單和理賠CIF數據及CC結構化數據，壽險、養險客戶以最近一次投保（R）、投保頻率（F）、投保金額與理賠金 額差值（M）、理賠次數（C） 4個主要維度構建RFMC忠誠度模型，產險客戶忠程度模型分析維度為成為客戶時間（T），最近一次投保（R），投保頻率（F）和投保金額（M） 4個主要維度構建TRFM忠誠度模型，模型輸出客戶忠誠度標簽（價值客戶、潛力客戶、口碑客戶與休眠客戶）存于數據庫，通過接口將結果傳到CC客服系統。
解決方案價值優勢
- 通過構建智能識別投訴模型，搭建投訴準實時監控平臺，提升投訴解決效率；
- 建立熱點產品模型可聚焦客戶關注的熱點問題，實際幫助客服團隊提升服務能力，降低客服流失率；
- 針對客戶忠誠度模型進行落地，輸出客戶標簽，豐富客戶標簽體系，幫助客服更好地了解客戶；
- 項目主要在4個方面進行創新探索：
- 針對異構數據庫，搭建開源、可擴展、穩定高效的ETL系統
- 建立長短期記憶神經網絡應用，效果較ML效果更好，可擴展復用
- 熱點產品模型組合，定制化開發，組合靈活，可擴展復用
- 應用容器化部署，運維簡便，可擴展復用。
客戶案例實施效果
- 智能投訴識別模型平均每日輸出32條預測投訴結果，峰值83條
- 熱點產品模型每日抽取客戶咨詢熱點產品的TOP10關鍵句，準確率85%
- 忠誠度模型：客服前端實時展示客戶忠誠度標簽
- 客戶使用中支持多個批次的聲紋批量比對跑批