Real-Time Voicemail Detection in Telephony Audio Using Temporal Speech Activity Features

实时电话语音中的语音信号检测：基于时序语音活动特征的实时语音信箱检测
https://ift.tt/FO0cbYA

Outbound AI 呼叫系统必须在实时中将语音信箱问候语与真人接听区分开来，以避免无效的人工干预和未接来电。我们提出一种轻量级方法：从预训练神经语音活动检测器（VAD）的语音活动模式中提取 15 个时序特征，然后用一个浅层基于树的集成模型进行分类。在两组评估集的总计 764 条电话录音中，该系统实现了综合精度 96.1%（734/764），在专家标注的测试集上为 99.3%（139/140），在保留用于生产的测试集上为 95.4%（595/624）。在对 7.7 万通电话的生产验证中，假阳性率为 0.3%，假阴性率为 1.3%。端到端推理在普通双核 CPU、无 GPU 的条件下完成时间为 46 毫秒，支持 380+ 个并发的 WebSocket 调用。在对 3,780 种模型、特征和阈值组合的搜索中，特征重要性集中在三个时序变量上。增加转写关键词或基于哔声的特征并未改善最佳的实时配置，且显著增加延迟。我们的结果表明，时序语音模式是区分语音信箱问候语和真人接听的强信号。

HI-FI 新闻
通过人工智能 https://ift.tt/OsDap2u

2026 年 4 月 14 日 05:27 AM

April 14, 2026 at 05:27AM