Время прочтения: 4 мин.

В этой статье мы хотим познакомить читателей с опытом применения продукта от компании NICE Systems — системой NICE Interaction Management. Данная система обеспечивает тотальную запись разговоров, экранов и всех сопутствующих CTI-данных работы операторов контактных центров. По завершению разговора с оператором система позволяет клиенту дать обратную связь о качестве работы контактного центра.

Очень важной особенностью системы является наличие в её составе модуля транскрибации телефонных переговоров. Speech-to-text инструмент NICE’a имеет высокую точность, и к результатам его работы можно применять технологии text-mining’а, что позволяет аналитикам и аудиторам компании анализировать большие количества записей переговоров в автоматическом режиме.

Схема работы транскрибатора NICE

Speech-to-text модуль для конечного пользователя представлен в виде клиент-серверного приложения, который несет в себе следующий функционал – дешифровывает записи телефонных разговоров формата .nmf (внутренний формат записи системы), возвращает запись в уже всем привычном звуковом  формате wave, и приложенный к ней файл с расширением .ass, содержащий транскрибацию разговора в виде текста. Скорость работы модуля примерна равна один к четырем т. е. за минуту работы обрабатывается запись длительностью четыре минуты.

Клиентская часть сервиса – это консольное приложение NiceNmfDecoderConsole, управление которым осуществляется при помощи bat-файла. Пример команды –

NiceNmfDecoderConsole.exe 000.000.000.000 in

Где:

-NiceNmfDecoderConsole.exe – путь к исполняемому файлу приложения-клиента (можно не полный, при условии, если bat-файл располагается в той же директории, что и исполняемый файл)

-000.000.000.000 – IP адрес сервера

— in – путь к папке, содержащей файлы подлежащие дешифровке и транскрибации (в формате .nmf)

В результате запуска bat-файла, NiceNmfDecoderConsole будет поочередно пересылать файлы из папки in на серверную часть приложения для обработки. Ответы сервера (в виде файлов wave и текстовиков с транскрибацией) будут приходить на клиент, и сохраняться в папке in с такими же именами файлов, как был назван исходный файл, различаясь расширением.

Стоит отметить, что запуск программы таким образом целесообразен при небольших количествах обрабатываемых файлов. В случае, если количество записей велико, и во время работы произойдет какая-либо ошибка или обрыв связи с сервером, пользователю придется вручную отделять обработанные файлы от тех, до которых очередь не успела дойти и перезапускать приложение.

В одном из проектов нашей команде нужно было проанализировать около тридцати тысяч записей телефонных переговоров из системы Nice. Для работы с таким массивом информации было принято решение немного автоматизировать работу этого приложения. Был разработан Python-скрипт для запуска этой программы в несколько потоков, код приведен ниже:

from os import listdir
import subprocess
from multiprocessing import Pool

def gen_file(files):
    #Генератор путей к обрабатываемым файлам
    for file in files:
        yield file

def convert(file):
    #Функция запуска приложения для обработки одного файла
    program = [path_exe, ip, path_data + file]
    process = subprocess.Popen(program)
    code = process.wait()
    with open('c:\\Users\\User\\NiceNmfDecoderConsole\\Log_file.txt',
              'a') as logfile:
        logfile.write(file + " " + str(code) + '\n')
    process.terminate()
    return

path_exe = 'c:\\Users\\User\\NiceNmfDecoderConsole\\NiceNmfDecoderConsole.exe'
path_data = 'c: :\\Users\\User\\\NiceNmfDecoderConsole\\IN\\'
ip = 'xxx.xxx.xxx.xxx'
files = listdir(path_data)
files = list(filter(lambda x: x.endswith('.nmf'), files))
file = gen_file(files)
threads = 10 #Количество потоков

if __name__ == '__main__':
    with Pool(threads) as p:
        p.map(convert, file)

Скрипт сканирует папку, путь к которой задается переменной path_data, составляет список файлов с расширением .nmf, после чего запускает NiceNmfDecoderConsole в десять потоков (количество потоков определяется переменной threads). Как только хоть один поток завершит работу, скрипт запишет в лог-файл имя файла над которым работал поток и код завершения (где 0 – успешно). По завершению потоков скрипт будет запускать новые, для последующих файлов в списке, постоянно поддерживая параллельную работу десяти, пока не закончится список файлов.

Таким образом можно обработать большое количество аудиозаписей системы Nice со значительно увеличенной производительностью и небольшой трудоемкостью для конкретного пользователя. Кроме того, работа аналитика в этом случае не будет сильно зависеть от сбоев н обрыва связи с сервером. Надеемся, что информация данная в этой статье будет полезна для Вас!