月明的文档中心 分享AI实践与思考
入门
上手
教程
基础
概念解释
Microsoft Foundry
开发工具
操作指南
参考
治理与网络
工具与知识
概念解释
操作指南
Agent Service
总览
概念解释
Azure OpenAI
API 与开发
总览
Azure AI Search
权限与安全
参考
检索概念
概念解释
快速上手
教程
Foundry Tools
其他与已退役
总览
概念解释
RAG 与知识工程
智能体与工具
MCP 与 Skills
操作指南
基础
评测、观测与安全
安全
评测
概念解释
参考
企业架构与成本
解决方案场景
样例与学习资源
附录
客服
客服场景中的 AI 大致分为三类：通话后分析、实时语音坐席、文本聊天机器人。本页以官方“呼叫中心数据分析”架构为例，解释通话后分析的概念与边界。该架构是批处理，不是实时坐席，不含部署步骤。
为什么需要
- 通话录音量大，人工抽检只能覆盖很少一部分，无法发现整体趋势。
- 通话意图、情绪、产品问题与投诉原因，需要从转写文本中结构化提取，才能进入报表与 CRM。
- 通话内容包含个人信息，需要在送入模型前完成脱敏。
三类 AI 客服形态
形态 | 处理时机 | 典型能力 | 与本页的关系 |
通话后分析（本页） | 通话结束后批量处理 | 转写、意图与情绪分析、实体抽取、摘要 | 本页主题，页面明确为批处理 |
实时语音坐席 | 通话中实时交互 | 语音到语音对话，可接电话集成 | 页面列为替代方案，需单独评估 |
文本聊天机器人 | 对话中实时交互 | 基于知识的问答、工单引导 | 见“企业知识助手”页面的检索思路 |
核心概念
概念 | 要解决的问题 | 官方架构中的对应组件（页面所示） |
录音存储 | 保存通话音频，支持批量触发 | Azure Blob Storage（支持冷热归档分层） |
触发 | 定时或按文件到达启动处理 | Azure Functions（定时触发或 Blob 触发） |
语音转写 | 把录音转为带说话人区分的文本 | Azure Speech 批量转写 |
脱敏 | 在送入模型前识别并去除个人信息 | Azure Language 的会话 PII 功能（预览） |
分析 | 识别意图与情绪，抽取实体，生成摘要 | Foundry Models（语言模型） |
预置分析器 | 直接输出转写、摘要、情绪与实体 | Azure Content Understanding 的通话中心音频分析器 |
可视化与集成 | 报表展示；结果写入 CRM，供坐席查看 | Power BI、CRM 系统 |
处理流程（页面所示）
- 电话系统录制通话，并把音频上传到 Blob Storage。
- 函数按定时或文件到达触发批处理应用。
- 路径一：语音转写后脱敏，再交给语言模型做意图、情绪、实体与摘要分析。
- 路径二：音频直接交给 Content Understanding 预置分析器，得到转写与分析结果；如需要，再做自定义脱敏。
- 结果写入存储，Power BI 展示分析指标，CRM 展示通话原因与摘要。
替代方案（页面所示）
替代方案 | 适用情况 |
快速转写 API | 需要同步转写 |
GPT 音频转写模型 | 希望用生成式模型做转写 |
Speech 与 Language 的摄取客户端 | 不需要生成式能力，只用语音与语言服务做分析 |
Voice Live API | 虚拟坐席，语音到语音，页面称不支持 SIP，需外部中继 |
GPT Realtime 模型（WebRTC、WebSocket、SIP） | 低延迟语音对话 |
图
限制与待核实
- 页面称：该架构是通话结束后的批处理，并非近实时分析；需要通话中介入的场景应另行评估。
- 页面称：脱敏功能为预览，且输出侧的个人信息检测需单独配置护栏（待核实）。
- 页面称：批量语音转写可处理大量数据，但其他语音 API 可能有请求上限，取决于订阅等级（待核实，以配额页为准）。
- 页面称：Content Understanding 预置分析器的版本变化可能改变输出结构，建议复制一份分析器（页面建议）。
- 成本与区域：成本取决于音频时长、并发、存储量与区域，页面未给出价格（待核实，2026-11-05 获取）。
- 本页未核对任何客服样例仓库的内容。
来源与核对
- 核对范围：
- 架构中心“呼叫中心数据分析”页面的正文抓取摘要（页面元数据显示 ms.date 为 2026-04-30，updated_at 为 2026-09-04）。
- 架构中心 AI 入口页中的方案分类。
- 获取日期：2026-11-05
- read_scope：正文已读
上一篇
Foundry 入门样例
下一篇
文档处理
Loading...