客戶支持呼叫擁有大量信息，但是找時間手動梳理這些錄音以獲取見解並不容易。想像一下，如果您可以立即將這些長錄音變成清晰的摘要，請跟踪情感在整個通話過程中的變化，甚至根據您想要分析對話的方式而獲得量身定制的見解。聽起來有用嗎？
在本文中，我們將瀏覽創建一個實用的工具，我構建了Snapsynapse（單擊此處），以便做到這一點！使用Pyannote.audio進行言語診斷（標識），轉錄的耳語和Gemini-1.5 Pro來生成AI驅動的摘要，我將展示如何自動化將支持呼叫錄音轉換為可行的見解的過程。在此過程中，您將看到如何清潔和完善轉錄，根據用戶輸入生成自定義摘要以及跟踪情感趨勢 - 所有這些都具有易於遵循的代碼段。這是一個動手指南，用於構建超越轉錄的工具，以幫助您了解和改善客戶支持體驗。
本文作為數據科學博客馬拉鬆的一部分發表。
Snapsynapse是將客戶支持呼叫變成寶貴見解的方便工具。它打破了演講者的對話，轉錄所有內容，並突出了整體的情緒和關鍵點，因此團隊可以快速了解客戶的需求。使用Pyannote諸如診斷的模型，用於轉錄的竊竊私語以及Gemini進行摘要，Snapsynapse，snapsynapse提供明確的摘要和情感趨勢。它旨在幫助支持團隊與客戶更好地聯繫並改善服務，一次進行一次對話。
以下是Snapsynapse的重要關鍵特徵：
在本節中，我們將探討使Snapsynapse成為客戶支持分析的強大工具的核心功能。從自動診斷和轉錄電話到生成動態對話摘要，這些功能旨在提高支持團隊效率。 Snapsynapse具有檢測情感趨勢並提供可行的見解的能力，簡化了了解客戶互動的過程。
如果您想查看整個源代碼，請參閱repo中的thefiles：repo_link
我們需要打開AI API和Gemini API來運行此項目。您可以在這裡獲得API - Gemini API，OpenAI API
項目流：
揚聲器診斷 - >轉錄 - >時間戳 - >清潔 - >摘要 - >情感分析
在第一步中，我們將使用一個腳本來獲取音頻文件，將揚聲器分開（診斷），生成轉錄並分配時間戳。腳本的工作方式是，包括代碼和密鑰函數的故障：
這個Python腳本一口氣執行三個主要任務：
核心函數Transcribe_with_diarization（）結合了所有步驟：
def tresscribe_with_diarization（file_path）：
diarization_result = persim_diarization（file_path）
音頻= audiosegend.from_file（file_path）
轉錄= []
對於段，_，diarization_result.itertracks中的揚聲器（fard_label = true）：
start_time_ms = int（segment.start * 1000）
end_time_ms = int（segment.end * 1000）
塊=音頻[start_time_ms：end_time_ms]
chunk_filename = f“ {sezyer} _sement_ {int（segment.start）}。wav”
chunk.export（chunk_filename，格式=“ wav”）
用audio_file開放（chunk_filename，“ rb”）：
轉錄= client.audio.transcript。
型號=“ hisper-1”，
file = audio_file，
response_format =“ json”
）
encrpriptions.append（{{
“發言人”：發言人，
“ start_time”：segment.start，
“ end_time”：segment.end，
“轉錄”：轉錄
}））
打印（{chunk_filename}的{speaker}完成的轉錄。”）
瞥見生成的輸出並保存在diarized_transcription.py文件中：
＃清潔轉錄文本的功能
def clean_transcription（文本）：
＃常見填充單詞列表
filler_words = [
“ um”，“ uh”，“喜歡”，“你知道”，“實際上”，“基本上”，“我的意思”，
“有點”，“”，“右”，“好”，“ so”，“好”，“ Just”
這是給出的
＃匹配填充單詞（案例不敏感）的正則格式模式
filler_pattern = re.compile（r'\ b（'|'.join（filler_words）r'）\ b'，re.ignorecase）
＃刪除填充單詞
cleaned_text = filler_pattern.sub（''，text）
＃刪除額外的空格
cleaned_text = re.sub（r'\ s'，''，cleaned_text）.strip（）
返回cleaned_text在下一步中，我們使用Gemini API根據清潔的轉錄生成結構化的見解和摘要。我們利用Gemini 1.5 Pro模型進行自然語言處理來分析客戶支持呼叫並提供可行的摘要。
這是功能的細分：
簡短了解所使用的不同提示：
一瞥生成的輸出：
此外，在下一步中，我們對客戶支持呼叫轉錄進行情感分析，以評估整個對話中的情感語氣。它使用來自NLTK的Vader情感分析工具來確定對話每個段的情感分數。
這是該過程的細分：
＃計算整體情感得分
總_sentiment_score = total_compound / len（sentiment_results）
＃計算客戶和代理商的平均情感
平均_customer_sentiment = customer_sentiment / customer_count如果custerut_count else 0 0
平均_agent_sentiment = agent_sentiment / agent_count如果agent_count else 0 0
＃確定整體情緒為正，中性或負面
如果總_sentiment_score> 0.05：
總體_sentiment =“正”
elif usital_sentiment_score <h4>用於生成圖的代碼</h4><pre class="brush:php;toolbar:false">def plot_sentiment_trend（sentiment_results）：
＃提取繪圖的補充情感分數
compound_scores = [entriment'] ['compound']用於sentiment_results中的輸入]
＃創建一個單線圖顯示情感趨勢
plt.figure（無花果=（12，6））
plt.plot（compound_scores，color ='purple'，linestyle =' - '，標記='o'，markersize = 5，label =“情感趨勢”）
plt.axhline（0，color ='灰色'，linestyle =' - '）＃為中性情緒添加零行
plt.title（“客戶支持對話的情感趨勢”，fontsize = 16，fontWeight ='Bold'，color =“ darkblue”）
plt.xlabel（“段索引”）
plt.ylabel（“複合情緒得分”）
plt.grid（true，linestyle =' - '，alpha = 0.5）
plt.legend（）
plt.show（）情感分析得分生成：
產生的情感分析圖：
您可以在此處找到代碼存儲庫 - repo_link
現在，讓我們瀏覽如何在本地機器上設置並運行Snapsynapse：
首先將項目存儲庫克隆到您的本地計算機，以開始使用Snapsynapse。這提供了對應用程序源代碼及其所有基本組件的訪問。
git克隆https://github.com/keerthanareddy95/snapsynapse.git CD Snapsynapse
虛擬環境有助於隔離依賴性並確保您的項目順利運行。此步驟為Snapsynapse設置了一個獨立的工作區，可以在沒有其他軟件包乾擾的情況下操作。
＃對於Windows： Python -M Venv Venv ＃對於MacOS和Linux： Python3 -M Venv Venv
＃對於Windows： 。\ venv \ scripts \ activate ＃對於MacOS和Linux： 來源VENV/bin/activate
有了虛擬環境，下一步是安裝所有必要的庫和工具。這些依賴性使Snapsynapse的核心功能包括轉錄本的產生，說話者診斷，時間郵票的產生，摘要生成，情感分析分數，可視化等。
pip install -r要求.txt
為了利用AI驅動的見解，診斷，轉錄和摘要，您需要為Google Gemini配置API鍵，並打開AI Whisper。
在項目的根部創建.ENV文件，並為Google Gemini添加您的API鍵，然後打開AI Whisper。
Google_api_key =“ your_google_api_key” openai_api_key =“ your_open_ai_api_key”
現在讓我們查看以下用於Snapsynapse的開發工具：
簡而言之，Snapsynapse通過將原始的呼叫記錄轉換為可行的見解，從而徹底改變了客戶支持分析。從說話者的診斷和轉錄到產生結構化的摘要和情感分析，Snapsynapse簡化了每一步，以全面了解客戶互動。借助Gemini模型量身定制的提示和詳細的情感跟踪的力量，用戶可以輕鬆獲得摘要和趨勢，以突出關鍵的見解和支持結果。
對Google Gemini，Pyannote Audio和Whisper的大喊大叫，可以通過其創新工具為該項目供電！
您可以在此處查看回購。
答：Snapsynapse可以處理格式MP3和WAV的音頻文件。
Q2。 Snapsynapse如何處理轉錄精度和清理？答：Snapsynapse使用耳語進行轉錄，然後進行清理過程，以消除填充單詞，暫停和無關緊要的內容。
Q3。我可以自定義呼叫分析的摘要格式嗎？答：是的！ Snapsynapse提供了五個不同的及時選擇，使您可以選擇滿足您需求的摘要格式。這些包括焦點領域，例如行動項目，升級需求和技術問題。
Q4。情感分析提供了哪些見解，如何顯示？答：Snapsynapse的情感分析評估了對話的情感基調，提供了情感分數和趨勢圖。
Q5。什麼是客戶調用分析，如何使企業受益？A.客戶呼叫分析使用AI驅動的工具來轉錄，分析和從客戶互動中提取有價值的見解，幫助企業改善服務，確定趨勢並提高客戶滿意度。
Q6。客戶調用分析如何提高客戶支持質量？答：通過客戶通話分析，企業可以更深入地了解客戶情緒，常見問題和代理績效，從而導致更明智的決策和改進的客戶服務策略。
本文所示的媒體不由Analytics Vidhya擁有，並由作者酌情使用。
以上是Snapsynapse使客戶呼叫分析變得容易的詳細內容。更多資訊請關注PHP中文網其他相關文章！
