星号反向IVR？ 语音识别还是只是比较波形输出？

Question

我有一个用星号开发的应用程序，可以调用各种IVR服务并请求信息。 这样可以节省员工自己打电话和按一堆按钮的时间。

我当前的实现方式是呼叫，等待噪音，等待静音并按下适当的按钮，然后继续进行下一个提示。 我已经记录了提示的顺序，所以我知道在每个“噪音/沉默”阶段输入的内容。

但是，某些IVR会根据我提供的数据而有所不同或提出其他问题。

我正在寻找找出所问问题的方法？ 我已经研究了语音识别引擎，但是我认为它们并不适合这种情况。 我还考虑只记录我正在拨打的IVR中的提示并将其保存以进行比较。 然后有一次，我进入了一段沉默，我将以前的收益与期权清单进行了比较？ 我只需要弄清楚如何捕获该音频，然后将捕获的音频与磁盘上的各种音频文件进行比较即可。 有点像大海捞针问题，但对于波浪文件。

编辑：

我大概可以在音频片段的长度上做到这一点？ 它们的长度可能都不同。

我正在研究的另一种选择是某种类型的音频指纹识别算法？

有关如何完成此操作的建议？

Answer 1

您可以在星号中使用语音识别功能。 设置所有内容并不重要，它将为您节省大量的自定义软件开发时间。

语音识别必须非常可靠，因为IVR声音通常很干净。