고객 지원 통화는 풍부한 정보를 보유하지만 통찰력을 위해 이러한 녹음을 수동으로 빗질하는 시간을 찾는 것은 쉽지 않습니다. 이 긴 녹음을 즉시 명확한 요약으로 바꿀 수 있고, 통화 전체에서 감정이 어떻게 바뀌는 지 추적하고 대화를 분석하는 방법에 따라 맞춤형 통찰력을 얻을 수 있다고 상상해보십시오. 유용한 것 같습니까?
이 기사에서는 SnapSynapse를 구축 한 실용적인 도구 (여기를 클릭하십시오)를 만들어 정확히 할 수 있습니다! Pyannote.audio for Speeper Diarization (식별), 전사 속삭임 및 AI 중심 요약을위한 Gemini-1.5 Pro와 같은 도구를 사용하면 지원 통화 녹음을 실행 가능한 통찰력으로 전환하는 프로세스를 자동화하는 방법을 보여줍니다. 그 과정에서 전사를 청소하고 개선하는 방법을 볼 수 있으며, 사용자 입력에 따라 사용자 지정 요약을 생성하며, 팔로우하기 쉬운 코드 스 니펫으로 모든 감정 트렌드를 추적합니다. 이것은 고객 지원 경험을 이해하고 향상시키는 데 도움이되는 전사를 넘어선 도구를 구축하기위한 실습 가이드입니다.
이 기사는 Data Science Blogathon 의 일부로 출판되었습니다 .
SnapSynapse는 고객 지원 호출을 귀중한 통찰력으로 전환하기위한 편리한 도구입니다. 그것은 스피커의 대화를 세분화하고, 모든 것을 기록하고, 전반적인 분위기와 핵심 요점을 강조하므로 팀은 고객이 필요로하는 것을 빠르게 이해할 수 있습니다. Pyannote와 같은 모델 사용, 전사를위한 속삭임 및 요약을위한 Gemini, SnapSynapse는 번거 로움없이 명확한 요약과 감정 트렌드를 제공합니다. 팀이 고객과 더 잘 연결하고 한 번에 한 번의 대화를 개선하는 데 도움이되도록 설계되었습니다.
다음은 SnapSynapse의 중요한 주요 기능입니다.
이 섹션에서는 SnapSynapse를 고객 지원 분석을위한 강력한 도구로 만드는 핵심 기능을 살펴 보겠습니다. 통화를 자동으로 발산 및 전사하는 것부터 동적 대화 요약 생성에 이르기까지 이러한 기능은 지원 팀 효율성을 향상시키기 위해 구축되었습니다. 감정 트렌드를 감지하고 실행 가능한 통찰력을 제공 할 수있는 능력으로 SnapSynapse는 고객 상호 작용을 이해하는 프로세스를 단순화합니다.
전체 소스 코드를 확인하려면 Repo의 Thefiles를 참조하십시오 : repo_link
이 프로젝트를 실행하려면 AI API 및 Gemini API가 열려 있습니다. 당신은 여기에 API를 얻을 수 있습니다 - Gemini API, Openai API
프로젝트 흐름 :
스피커 일기 -> 전사 -> 타임 스탬프 -> 청소 -> 요약 -> 감정 분석
첫 번째 단계에서는 단일 스크립트를 사용하여 오디오 파일을 가져 와서 스피커를 분리하고 (발산), 전사를 생성하고 타임 스탬프를 할당합니다. 코드의 분석 및 주요 기능을 포함하여 스크립트의 작동 방식은 다음과 같습니다.
이 파이썬 스크립트는 한 번에 세 가지 주요 작업을 수행합니다.
핵심 함수, 전사 _with_diarization () 은 모든 단계를 결합합니다.
def 전사 _with_diarization (file_path) :
diarization_result = perform_diarization (file_path)
audio = audiosegment.from_file (file_path)
전사 = []
세그먼트의 경우, _, diarization_result.itertracks의 스피커 (Oquile_Label = true) :
start_time_ms = int (segment.start * 1000)
end_time_ms = int (segment.end * 1000)
청크 = 오디오 [start_time_ms : end_time_ms]
chunk_filename = f "{speaker} _segment_ {int (segment.start)}. wav"
chunk.export (chunk_filename, format = "wav")
audio_file로 Open (chunk_filename, "rb")을 사용하여 :
전사 = client.audio.transcriptions.create (
Model = "Whisper-1",
file = audio_file,
response_format = "json"
))
전사.
"스피커": 스피커,
"start_time": segment.start,
"end_time": segment.end,
"전사": 전사 .text
})
print (f "{speeger}에 의해 {chunk_filename}에 대한 전사가 완성되었습니다.")
출력이 생성되어 Diarized_transcription.py 파일에 저장되었습니다.
# 전사 텍스트를 청소하는 기능
def clean_transcription (텍스트) :
# 공통 필러 단어 목록
filler_words = [
"um", "uh", "like", "you know", "실제로", "기본적으로", "내 말",
"일종의", "종류의", "오른쪽", "괜찮아", "그래서", "잘", "그냥"
]]
# 필러 단어와 일치하는 regex 패턴 (케이스 둔감)
filler_pattern = re.compile (r '\ b (' '|'.join (filler_words) r ') \ b', re.ignorecase)
# 필러 단어를 제거합니다
cleaned_text = filler_pattern.sub ( '', text)
# 추가 공백을 제거하십시오
cleaned_text = re.sub (r '\ s', '', cleaned_text) .strip ()
Refort Cleaned_text를 반환합니다다음 단계에서는 Gemini API를 사용하여 정리 된 전사를 기반으로 구조적 통찰력과 요약을 생성합니다. 우리는 자연 언어 처리를 위해 Gemini 1.5 Pro 모델을 활용하여 고객 지원 통화를 분석하고 실행 가능한 요약을 제공합니다.
다음은 기능의 고장입니다.
사용 된 다른 프롬프트를 짧게 엿볼 수 있습니다.
생성 된 출력을 엿볼 수 있습니다.
또한 다음 단계에서는 대화 내내 감정적 인 어조를 평가하기 위해 고객 지원 통화 전사에 대한 감정 분석을 수행합니다. NLTK의 Vader 감정 분석 도구를 사용하여 대화의 각 부분에 대한 감정 점수를 결정합니다.
다음은 프로세스의 고장입니다.
# 전체 감정 점수를 계산합니다
전체_SENTIMENT_SCORE = TOTAL_COMPOUND / LEN (sentiment_Results)
# 고객 및 에이전트에 대한 평균 감정을 계산합니다
평균_customer_sentiment = customer_sentiment / customer_count if customer_count else 0
평균_agent_sentiment = agent_sentiment / agent_count if agent_count else 0
# 전반적인 감정을 긍정적, 중립적이거나 부정적인 것으로 결정합니다.
전체 _sentiment_score> 0.05 인 경우 :
전체 _sentiment = "positive"
elif gllight_sentiment_score <h4> 플롯 생성에 사용되는 코드</h4><pre class="brush:php;toolbar:false"> def plot_sentiment_trend (sentiment_Results) :
# 음모를위한 복합 감정 점수를 추출합니다
Compound_scores = [Entry [ 'sentiment'] [ 'Compound'] sentiment_Results의 항목에 대한]
# 감정 추세를 보여주는 단일 줄 플롯을 만듭니다
plt.figure (figsize = (12, 6))
plt.plot (Compound_scores, color = 'purple', linestyle = '-', Marker = 'o', Markerize = 5, label = "감정 트렌드")
plt.axhline (0, color = 'grey', linestyle = '-') # 중립 감정에 대한 제로 라인 추가
plt.title ( "고객 지원 대화에 대한 감정 트렌드", fontsize = 16, fontweight = 'bold', color = "darkblue")
plt.xlabel ( "세그먼트 인덱스")
plt.ylabel ( "화합물 감정 점수")
plt.grid (true, linestyle = '-', alpha = 0.5)
plt.legend ()
plt.show ()생성 된 감정 분석 점수 :
감정 분석 플롯 생성 :
여기에서 코드 리포지토리를 찾을 수 있습니다 - Repo_link
이제 로컬 컴퓨터에서 SnapSynapse를 설정하고 실행하는 방법을 살펴 보겠습니다.
SnapSynapse 사용을 시작하려면 프로젝트 저장소를 로컬 컴퓨터에 복제하는 것으로 시작하십시오. 이는 응용 프로그램의 소스 코드 및 모든 필수 구성 요소에 대한 액세스를 제공합니다.
git 클론 https://github.com/keerthanareddy95/snapsynapse.git CD SnapSynapse
가상 환경은 종속성을 분리하고 프로젝트가 원활하게 실행되도록하는 데 도움이됩니다. 이 단계는 SnapSynapse가 다른 패키지의 간섭없이 작동 할 독립 작업 공간을 설정합니다.
# Windows 용 : Python -M Venv Venv # MacOS 및 Linux의 경우 : Python3 -M Venv Venv
# Windows 용 : . \ venv \ scripts \ 활성화 # MacOS 및 Linux의 경우 : 소스 venv/bin/활성화
가상 환경이 마련된 다음 단계는 필요한 모든 라이브러리와 도구를 설치하는 것입니다. 이러한 종속성은 전 사체 생성, 스피커 발기, 타임 스탬프 생성, 요약 생성, 감정 분석 점수, 시각화 등을 포함하여 SnapSynapse의 핵심 기능을 가능하게합니다.
PIP 설치 -R 요구 사항 .txt
AI 구동 통찰력, 발기, 전사 및 요약을 활용하려면 Google Gemini 및 Open AI Whisper 용 API 키를 구성해야합니다.
프로젝트의 루트에 .env 파일을 만들고 Google Gemini에 API 키를 추가하고 AI Whisper를 열십시오.
google_api_key = "your_google_api_key" openai_api_key = "your_open_ai_api_key"
이제 아래 SnapSynapse를 위해 개발 된 도구를 살펴 보겠습니다.
간단히 말해서 SnapSynapse는 원시 통화 녹음을 실행 가능한 통찰력으로 변환하여 고객 지원 분석에 혁명을 일으 킵니다. 스피커 발기 및 전사에서 구조적 요약 및 감정 분석 생성에 이르기까지 SnapSynapse는 모든 단계를 간소화하여 고객 상호 작용에 대한 포괄적 인 관점을 제공합니다. Gemini 모델의 맞춤형 프롬프트 및 상세한 감정 추적의 힘으로 사용자는 주요 통찰력을 강조하고 결과를 지원하는 요약 및 트렌드를 쉽게 얻을 수 있습니다.
Google Gemini, Pyannote Audio 및 혁신적인 도구 로이 프로젝트에 전원을 공급 한 속삭임으로 큰 소리를 지르십시오!
여기에서 저장소를 확인할 수 있습니다.
A. SnapSynapse는 MP3 및 Wav 형식의 오디오 파일을 처리 할 수 있습니다.
Q2. SnapSynapse는 전사 정확도와 정리를 어떻게 처리합니까?A. SnapSynapse는 전사를 위해 Whisper를 사용한 다음 필러 단어, 일시 정지 및 관련없는 내용을 제거하는 정리 과정을 사용합니다.
Q3. 통화 분석의 요약 형식을 사용자 정의 할 수 있습니까?A. 예! SnapSynapse는 5 가지 고유 한 프롬프트 옵션을 제공하므로 필요에 맞는 요약 형식을 선택할 수 있습니다. 여기에는 행동 항목, 에스컬레이션 요구 및 기술 문제와 같은 초점 영역이 포함됩니다.
Q4. 감정 분석은 어떤 통찰력을 제공하며 어떻게 표시됩니까?A. SnapSynapse의 감정 분석은 대화의 정서적 어조를 평가하여 감정 점수와 추세 그래프를 제공합니다.
Q5. 고객 통화 분석이란 무엇이며 어떻게 비즈니스에 도움이 될 수 있습니까?A. 고객 통화 분석은 AI 기반 도구를 사용하여 고객 상호 작용에서 귀중한 통찰력을 전사, 분석 및 추출하여 비즈니스가 서비스를 개선하고 트렌드를 식별하며 고객 만족도를 향상시킬 수 있도록 도와줍니다.
Q6. 고객 통화 분석은 어떻게 고객 지원 품질을 향상시킬 수 있습니까?A. 고객 통화 분석을 통해 비즈니스는 고객 정서, 일반적인 문제 및 에이전트 성능에 대한 더 깊은 이해를 얻을 수있어보다 정보에 근거한 결정과 고객 서비스 전략을 개선 할 수 있습니다.
이 기사에 표시된 미디어는 분석 Vidhya가 소유하지 않으며 저자의 재량에 따라 사용됩니다.
위 내용은 SnapSynapse로 고객 통화 분석이 쉽게 만들어졌습니다의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
