【问题来源】【必填】    民生银行         【问题简要】希望得到AICC 24.200匹配的openeye webdom【问题类别】【必填】       Openeye H5 SDK【AICC解决方案版本】【必填】      AICC 24.200    【期望解决时间】尽快【问题现象描述】 当前论坛中的openeye webmo最高版本位23.300， 其内容与24.200产品中描述的开发接口中的demo code具体有区别现在23,200, 23.300的demo中的代码截图如下：配套24.200的webdemo是否能提供一下？

问题来源】    百信银行    【问题简要】客户想要在与asr交互过程中同时识别按键【问题类别】【必填】  ivr(gsl)【AICC解决方案版本】【必填】   AICC 8.12.0【期望解决时间】2023/11/08【问题现象描述】【必填】     同asr交互过程中同时识别按键，也可以打断识别

先明确智能硬件中声学（麦克风）使用的三个场景，避免简单的问题复杂化。第一个场景，通话使用。这是大部分智能硬件设计麦克风的主要原因，很多声学做起来感觉很简单的错觉也来源于此。第二个场景，较安静环境下人机交互。复用第一个场景的声学硬件，第二个场景马马虎虎也能用，虽然部分情况下效果不理想，但是，还没到完全不能用的状态。第三个场景，高噪环境下人机交互。主要是户外和人流量较多的环境下使用人机交互，第一个场景的声学硬件完全不能使用。对于第一个场景，通话使用，现在的主流芯片基本上已经内置了通话降噪算法，再加上绝大部分通话都是在安静场景下，因此，只要麦克风的性能指标不是太拉跨、电路设计没有硬伤，第一个场景中智能硬件的声学部分并不用做额外的测试。但是，很多开发者带着这样的惯性开发第二个和第三个场景的智能硬件时，就完全走不通了，售后问题比比皆是，基本都集中在声音处理上。那么，对于第二个和第三个场景，应该如何科学地自测声学部分呢？怎么判断声学部分是否符合量产条件呢？下面分享声学自测的规范。测试环境准备：环境安静，噪音<40dB,如无条件，选安静会议室设备周围无遮挡物测试工具准备：待测设备---预留50MB存储空间专业声压计--- 条件有限可使用手机app(例:手机应用市场-- Sound Meter HD)音频分析软件---Audition高保真音箱---条件有限可使用蓝牙音箱,无蓝牙音箱可使用电脑密封材料---淘宝购买 EVA海绵密封胶带10mm厚度测试音频准备：密封性测试音频(白噪声)1khz音频信号质量测试音频测试附件准备：单独提供测试记录表格《声学测试结果目标》测试音频附件测试方法一、自播自录制测试1-10项测试只录制一个音频：（1）设备调节到100%音量（2）设备先开始录制音频并保存，然后设备播放信号质量测试音频(3) 自播自录后，人正常说话，测试mic处人声音量为65db，保存原始音频和识别音频1、mic和回采幅度检查最低幅度检查1.用Audition软件打开音频，检查采样值。识别引擎要求采样值>2k，确保mic处65db人正常说话时峰值振幅采样值>2k。否则需要提高mic增益截幅检查检查每个声道振幅最大部分，确保每个声道无截幅鼠标中间放大波形,保证波形连续,且无削顶整改方式：减小增益或降低最大音量，让设备最大音量播放歌曲时，音频不截幅2、幅度一致性（单麦免测）（1）确保所有mic声道的幅度均值差值≤3db示例：1声道（-12db ），2声道（-9db），相差3db合格（2）回采的增益不能太小,最大音量时在[-1,-9] DBFS之间（3）双回采平均幅度差≤3db3、通道顺序稳定性检查多次录音, 同一个mic对应软件中的声道要固定。可以多次录音按相同顺序用手轻触麦克风，录音上会有比较明显的振幅，检查多次录音的麦序4、底噪检查（1）不播放音乐时,回采底噪<-65dbfs安静环境下,设备底噪 < -50dbfs操作方法:最右侧数字区域鼠标右键选择Decibels（2）运行时底噪检查（设备运行时自噪较大的设备才需要测，比如投影仪运行时有风扇噪声，扫地机工作时的噪声，其他免测。）让设备运行应用，使cpu占用>70%， 此时用声压计测量mic处噪声≤50db5、丢数据检查查看音频的长度（Duration）是否为21.6秒丢数据可能原因:(1)重采样算法异常(2)驱动异常2.在频谱上找一竖一竖的地方， 看时域波形采样点是否减少，如下图的频域波形，对应的时域少了5个采样点6、最大音量检查设备最大音量播放音频进行测试。AEC算法消除量为30db左右, 建议麦克风口处最大音量<=85dB,打断唤醒效果较好特殊场景,例如全双工, 建议麦克风口处最大音量<=75db,打断唤醒效果较好7、回采信号检查（1）回采信号提前于mic信号，时间差<80ms（2）每次录制时，回采和MIC时延差稳定（3）回采与原信号波形基本一致,无畸变（4）回采不能截幅反例： （1）回采比MIC慢（2）回采和MIC信号的时间差太长（3）电视盒子外接电视的喇叭，时延差不可控，效果会受很大的影响8、波形失真原因：音量太大导致失真质量测试音频原始波形（下图）设备回采波形失真（下图）注:轻微型波形失真也算失真9、单双回采检查如果有2个喇叭，2回采信号效果更好10、喇叭主观听感测试方法：最大音量播放0dB 20Hz-20kHz的扫描信号，有无POP噪声/失真感/破音/共振音/杂音11、麦克风阵列角度检查二、相位一致性检查（单麦免测）正常情况：麦克风同一时刻的相位一致（波形一致）回采同一时刻可以一致或者反向检查方法：找原始音频正弦波的位置进行检查异常情况三、密封性和通道顺序测试1、录制音频     1.音箱和待测设备距离20~30cm 2.音箱播放，调节音量使待测设备麦克风（Mic）处音量为80~90dB（估算）     3.设备录音并保存文件，命名为 sealing_test.pcm      4.使用EVA海绵胶带10mm厚度（淘宝可购买）按逆时针顺序逐个密封mic，密封后停顿5~10秒，然后换下一个mic堵住继续该操作至结束。2、 导入音频文件1.结束录音，导出录音文件,确保格式为wav。2.拖动文件到audition软件中,根据设备情况选择采样率和声道数由于白噪声能量较高，可以清楚看到被堵mic的频段，同时也能看到mic的顺序。如下图所示，实际mic顺序和测试顺序一致，时域谱中每个通道振幅明显较大的部分（或者频域谱中每个通道中暗的部分）即为被堵住mic的部分。3.、对比声道振幅      1.单击鼠标左键不松开,拖动选择区域后松开鼠标左键, 选中声道1中堵住mic停顿5s~10s区间的部分        注意:在选择扫描选区的时候，请选择停顿 5~10s 的中间的平坦部分，不要将有信号残留的部分选中，这部分会影响最后的结果！     2.依次点击窗口(Window),振幅统计(Amplitude Statistics),扫描选区(Scan Selection)    3.查看平均RMS振幅(Average RMS Amplitude)，声道1密封 -57.26dB，其他声道未密封为-28dB，差值30dB>气密标准10dB，单声道气密性合格。要求设备所有mic气密性合格反例：第2和第6声道气密性不合格四、算法效果测试使用降噪测试工具处理保存的质量测试音频，检查降噪后的音频回声残留量，残留噪声低于-30dbfs以上，是整个声学部分自测的全部流程。

我们先讲一下智能硬件做语音识别的基本链路：声音（目标声音和噪音）一起被智能硬件的麦克风（阵列）采集到，在智能硬件的芯片上通过预处理之后，然后再送往云端进行ASR（语音转文字）。而很多智能硬件识别效果不好的主要原因是因为预处理，也就是声学处理没有做好，才导致识别效果不好。就像人耳朵一样，没听清楚讲话内容，可不得乱猜一通！现在，云端的语音识别（ASR）可以通过SDK/API进行调用，大厂提供的识别接口背后所使用的算法和效果基本都差不多。毕竟，开源算法和大数据训练一起结合，在安静场景下，或者说送给云端一段干净的音频，准确率保持在98%以上都没有任何问题。识别效果不好，问题出就出在了声学处理上。如果声学处理没有做好，送给云端的就是一段带噪声的音频，如果是人与人通话还好，毕竟人的判别能力很强。但如果给语音识别算法来处理噪声没有处理好的音频，输出的结果就会差强人意，而且，即便如何优化云端识别算法，像热词、大模型下打小模型这些做法，依然不能有效优化识别的准确率。那要如何才能做好智能硬件的声学处理呢？首先，我们要了解，麦克风（阵列）采集到的声音里面都有那些音源。从组成类型来看，包括：目标人声音：希望提出出来转成文字的语音，越干净越好，专业术语是信噪比（SNR）越高越好，至少5dB及以上；混响声音：主要是在室内，目标人讲话的声音通过墙壁、地板、天花板等反弹之后的声音，类似山谷里面的回声；背景音：目标人所在环境的一些噪音，如室外的鸣笛声、风噪、行人交谈声音；室内常见的是电视播放的声音、风扇空调工作声音等等；设备自发声：如音箱播放的音乐声，机器人的语音播报声等等。然后，根据不同的类型音源，就需要采用不同的算法来进行处理。设备自发声，可以通过回声消除算法来进行解决，通过设计硬回采电路，把喇叭的声音连回麦克风，叠加相反的波形实现设备自发声的消除。不过，要想回声消除效果好，在做结构设计的时候，建议喇叭和麦克风离得越远越好。部分芯片支持软回采，也就是硬件方案上不用单独设计回采电路，不过，从效果上来看，硬回采优于软回采。混响声音，可以通过去混响算法进行解决。一般来说，基本的去混响算法就可以达到不错的效果，不过，对于一些复杂的环境，去混响的算法尽可能在实际场景中进行实验和调试，以保证最佳效果。还要注意的是，去混响之后，对本身音频也会产生副作用，如失真或声音质量降低，这些不利的影响也要纳入整体效果的考虑中来。背景音，就需要用到预处理中的最重要的降噪算法了。降噪一般分为通话降噪和环境降噪，最简单的区分是通话降噪后的音频是给人听的，环境降噪后的音频是喂给语音识别模型的。人的判断力远远强于语音识别模型，因此，环境降噪的要求比通话降噪高得多。但是，越难的地方也越容易被应付，很多智能硬件的项目，要么觉得降噪不重要，要么觉得做降噪的时间成本和金钱成本都太高而应付了事，最终，却因为产品效果之后售后投诉太多反而得不偿失。那么，要怎么样才能做好降噪呢？从工程和产品来说，要做好以下三件事：第一件事，确定场景和要求。比方说，主要使用的场景是哪里，室内和室外所要面临的降噪要求就完全不同。同时，还要确定要求有多高，是近场交互还是远场交互，需要多少颗麦克风的阵列，理论上讲，麦克风的数量越多，对芯片的算力要求越高，产品的成本也就越高，成本太高是否要向利润妥协，产品的目标用户能支持多高的价格区间等等，这些都是需要在项目立项的时候有基本的数据指标。第二件事，找算法原厂沟通。一定要找算法原厂沟通，用芯片自带或者降噪模组，最后的理想的结果就是产品能用但不那么好用，甚至很多产品量产后根本就没办法用。硬件项目的周期一般小则半年，长则二三年，因为降噪的原因而失败就得不偿失了。最最关键的是，降噪效果还不能后期通过软件OTA来进行升级，因为之前做ID设计和硬件设计的时候，降噪效果的天花板就已经确定了，算法如何调优都是徒劳。找算法原厂沟通，了解清楚麦间距、性能指标、芯片算力占用情况、功耗、适配周期、麦克风喇叭选型指标、硬件结构设计细节规范等等，才能真正保证后期产品的使用效果。第三件事，实验室系统测试。没有测试就投产绝对是在搞破坏，声学这一块，同样需要进行系统科学的测试，评估满足量产标准后再进行量产，否则就应该按照测试结果进行整改。实在无法整改的部分，与算法原厂沟通性能恶化情况，可接受范围内可继续量产，不可接受范围内，一定要及时叫停进行整改。否则，一旦量产后，就再无回头路可言。而声学方面，实验室系统测试的数据，包括以下部分：麦克风：频率响应、底噪、灵敏度、信噪比、总谐波失真、密封性、阵列频响一致性等喇叭测试：频率响应、总谐波失真、R&B、灵敏度等。当然，有些指标不需要到实验室测试，自测也能发现问题。

【问题来源】百信银行【问题简要】调用icd 座席修改接口【问题类别】智能外呼 ICD 技能队列、CCBCS【AICC解决方案版本】ICD V300R008C25 CCBCS【问题现象描述】调用icd 座席修改接口ccbcs／rs/agents／modify／｛ccid｝／｛vdnid｝／｛agentid｝这个接口本地调试‘返回120620不知道该错误码对应什么含义  可否提供全部错误码列表并且想问一下 此接口是否可以修改 技能队列和座席的对应关系感谢

【问题来源】百信银行【问题简要】调用icd 座席修改接口【问题类别】智能外呼 ICD 技能队列、CCBCS【AICC解决方案版本】ICD V300R008C25 CCBCS【问题现象描述】调用icd 座席修改接口ccbcs／rs/agents／modify／｛ccid｝／｛vdnid｝／｛agentid｝这个接口本地调试‘返回120612不知道该错误码对应什么含义  可否提供全部错误码列表并且想问一下 此接口是否可以修改 技能队列和座席的对应关系感谢

【问题来源】百信银行【问题简要】GUID 动态鉴权方式 签入报错【问题类别】AICC【AICC解决方案版本】AICC解决方案开发指南22.100.0 【问题现象描述】GUID 动态鉴权方式 签入报错https://ip：port／agentgateway／resource／onlineagent／agentid调用上述接口 PUT 方法 使用mainTest 工具类 或者 httpProxyHelper 工具类一致报错000-003   no right to invite resource 没有任何思路并且查询了环境日志 agentway－rest.log message=success retCode=0不知道怎么去解决，agentid 、 password、num 填写都是对的

调用icd 技能队列创建接口 总是返回12005 配置项校验失败，想问配置指的是什么 如何接口调通请求头中的authorization token已经正确获取uri /ccbcs/rs/skillqueues/add/1/1/新增idjson 传入的是 示例 请求报文 json

【问题来源】百信银行【问题简要】调用icd 技能队列创建接口 总是返回12005 配置项校验失败，想问配置指的是什么 如何接口调通【问题类别】智能外呼 ICD 技能队列、CCBCS【AICC解决方案版本】ICD V300R008C25 CCBCS【问题现象描述】调用icd 技能队列创建接口 总是返回12005 配置项校验失败，想问配置指的是什么 如何接口调通请求头中的authorization token已经正确获取uri /ccbcs/rs/skillqueues/add/1/1/新增idjson 传入的是 示例 请求报文 json

盘古大模型要如何提交申请，为什么不让我申请？我这个账号是通过了企业认证的。现在提交申请的时候提示：账号受限，请切换账号，或申请解除受限。处理完成后请重新登录刷新。麻烦帮我看看，感谢！

主要用于分析行情数据，购买哪一款比较好。

中午我在思考一个问题，既然华为自己的盘古大模型开发出来之后，有没有机会能服务到我们的c端用户呢？眼看鸿蒙3.0已经逐渐走向成熟，但是我还是感觉给用户带来的震撼不够。用户需要ai加持，这是必然的趋势不是吗？可能在语言回复功能上胡说八道的可能性还是会有，但是我觉得可以先从特定的几个方向研究，比如已经成熟的AI1.0的小艺小艺，我觉得可以适当的加持部分功能，比如天气预警，事务提醒，外卖点餐等，以及多维度得思维辨析，都是可能带来不一样得感觉的。这是我对移动端得感想，再来谈谈我对智能家居得看法。我还记得华为得万物互联当时给我带来的震撼，无与伦比，这真的是对于真正互联网技术得顶尖理解，才能做出这样得伟大壮举，但是，大模型时代已经到来，万物互联的时代真正要来临了。可以单卡即可运行得模型并非没有，在微调得当得情况之下，难道，智能家居与大模型结合得方法还会没有吗？智能加持得智能床，随时传输给大模型数据，实时关注身体健康，可以及时预警。智能加持得智能房间，随时关注天气变化，实时帮助我们开关窗帘，提醒出门带伞等等等等，能大模型加持得地方太多太多，根本想不过来。如果可以，我更希望大模型对于教育不均衡地区得孩子们带来的意义更大，这就是科技得初衷不是吗？

问题来源】  内蒙银行项目【问题简要】  在IVR中需要将随路数据赋值到一个变量了，例如userdata {key1:value1,key2:value2,key3:value3.....}【问题类别】UAP、IVR【AICC解决方案版本】【AICC可选择版本：AICC 8.15.1.SPC3】【UAP可选择版本：UAP9600 V100R005C00SPC028】【CTI可选择版本：ICD V300R008C23SPC005】【期望解决时间】 9月9日【问题现象描述】方案咨询类问题【截图信息】赋值变量：日志中ani取值不是aani的value, 日志如下：怎样能得到：userdata {ani:88880009,.....}

# 从0到1开发一款开源知识问答机器人 > 得益于华为云EI智能问答机器人的免费试用，以及开源社区提供的开源知识库，我们几分钟就完成了一个开源问答机器人。 ## 前言 最近笔者有幸参与了开源社开源问答机器人的知识库编写，碰巧看到华为云也有类似的智能机器人，抱着试一试的心态，我开始了EI智能机器人的体验之旅。尽管实际操作很简单，但从知识库的迁移、问答机器人挂载到微信公众号，我还是经历了不少坎坷。首先是问答知识库，由于我们之前协作的开源知识库基于微软的机器人模板，当我将它迁移到华为云EI智能机器人时，需要做的第一件事就是调整问答模板的格式，并且将问答对准备地填充。然后因为是试用，中途我觉得知识库结构有点凌乱，想进行删除操作，但只能小批量的删除，于是想到“删库跑路”，果断把实例给删了，结果不能再试用了，看到500多的购买费用，我望而却步。最后，为了能够完整地体验，终于横下心又重新注册并实名制了一个华为云账号，好在一个人最多能认证3个账号且新认证的还能继续体验试用。整个体验过程还算满意，尽管平台还存在些bug而且更加高级的功能如多轮问答等没法体验，我觉得用来学习一下新的知识还是非常有意义的。 如果您也想为开源知识库贡献力量，欢迎访问[小源的github仓库](https://github.com/kaiyuanshe/xiaoyuan)：https://github.com/kaiyuanshe/xiaoyuan， 或者添加开源社机器人-小源的微型`chatbot-yuan`进行体验。本次实践仅对小源进行简单的复现，欢迎和我一起交流学习心得！ ## 准备 要想体验华为云EI智能机器人，有两个必要条件和一个前提： - 必须注册华为云账号； - 必须进行实名认证； - 前提是没有试用过EI智能机器人。（**千万记住试用的实例别删，删除等于试用结束！！！**） 我们首先在华为云服务列表中找[EI企业智能-对话机器人服务](https://console.huaweicloud.com/cbs/?agencyId=087aa4d3ea8025241f6ac00175ab86ae&region=cn-north-4&locale=zh-cn#/cbs/management/qabot/home),点击右上角购买问答机器人按钮进行购买。  购买完成后等待实例创建完毕，即可体验问答机器人服务。  点击机器人管理可以进入到机器人的维护页面，包括一些运营数据及分析、知识库的管理、技能的管理等。  此外，我们还要准备一个知识库，适用于华为云EI机器人的模板可在知识库管理页面中下载，开源知识库的元数据可以访问[开源知识库编写](https://shimo.im/sheets/BIK6IttNfRo0WVFD/gOEGJ)， 地址：[https://shimo.im/sheets/BIK6IttNfRo0WVFD/gOEGJ](https://shimo.im/sheets/BIK6IttNfRo0WVFD/gOEGJ) 。目前我们采用的是石墨文档协作，欢迎您的参与！ ## 知识库导入 知识库的导入其实包括很多细节，原来的开源知识库基于微软机器人的模板，我们需要转换才能使用。当然，最开始我是想用脚本的，尝试了一下发现人工迁移更加快捷，花了点功夫迁移了知识库。期间遇到一些小小的问题，比如第一次导入知识库时，平台进入死循环一直调用接口，幸亏我及时修改导入的文件，才没有“被黑名单”。另外，我在导入过程中发现每次最多只能上传500条，导致我又将我修改好的知识库重新分割成两份。  下边第一张图是微软机器人知识库的简要模板，第二张图是华为云EI机器人的知识库简要模板。经过对比其实改动并不大，于是我又顺便学了下Execl。   导入完毕之后，服务端会返回本次导入的结果，尽管有些报错，这次我就忽略当作没看见，毕竟只是体验，当然，您感兴趣的话可以根据记录修改数据进行重新导入。  ## 应用授权 目前华为云EI机器人支持直接授权到公众号，将对话功能一步到位直接绑定到微信公众号。本次操作已绑定到我的这个账号上，操作的话也非常简便，在高级设置=应用授权页面，点击授权微信公众号拉取授权的弹框，用微信扫码就可授权到相应的公众号。   几秒钟的功夫，就完成授权。去到我的公众号上简单验证一下：  ## 进阶玩法 - 兜底 兜底是对话机器人最常用到的设置，也就是当机器人无法回答问题时会抛出我们预设好的答案。在华为云EI对话机器人中默认设置的兜底回复是“我不知道该怎么回复您”，如图我们新增了两条，对应地测试一下，只要保存了就是实时生效，这点很不错，当然也要格外注意别写错别字。  - 角色形象设置 EI对话机器人默认的名字是云宝，云宝是华为云的吉祥物。而我们开源知识库里定义的角色名叫小源，所以会有些冲突，尝试修改为小源，但似乎并没有生效，我在风中凌乱……  - 技能 我们可以给机器人加10个技能，技能可以是自定义的，也可使用预置的技能如AI作诗、查天气等，还可以使用其他开发者共享的技能。当前我给华为云版的小源添加了预置技能，感受一下“藏头”诗和查天气：  自定义技能中我们可以意图对话、多轮对话、训练机器人等等。这里就不多描述，但是需要强调的是自定义技能真的很好玩，要想实现LICENSE选择器的功能，就需要用到对话流程管理。  另外还有词典、知识共享等功能期待大家探索。  ## 结语 不得不感叹：灵感也许稍纵即逝！从初步的想法到落笔成文，我却是争分夺秒。昨天偶然听说华为云EI有场关于对话机器人的分享，结合我之前在小源项目的经历，没想到还真实现了华为云版的开源知识问答机器人。以前每次课常常听到零一老师的洗脑式口号：“学AI就到huaweicloud.ai”，经过这次实践，也恰恰再次验证了这句口号。我是Copy攻城狮，连我都学会了Copy问答机器人，原来AI也可以如此简单！欢迎体验和参与开源社机器人--小源（**chatbot-yuan**）,也可以在我的公众号体验华为云版的小源（**低配版**），感谢关注2020开源年会，相信开源有你我更精彩！

【功能模块】Lotus邮件AI插件：根据Lotus邮件系统内海量的历史邮件、人为标注分类、转收发目标（收件人、或本地拆离保存可以由前端插件程序根据模型识别出的类来输出动作脚本执行）。上Modelarts算法实现模型的训练。【操作步骤&问题现象】1、NLP方向用什么算法更合适。github几乎没有合适的。2、Lotus8.5插件开发，只有古老的线索。入口几乎没有可解释性。【截图信息】中国建设银行的邮件系统Lotus8.5想开发这样的AI插件，但几乎没有办法实现，看看有没有达人能将AI 赋能到邮件智能收发转发分类存储一体化。因为一个机构内分工不同，机构级邮箱占用大量人工时间分拣各部门、个人、主管、经理、个人业务、公司业务等等不同受众的邮件，办公室小姐姐经常收发转发错乱。大大影响了工作效率甚至错过重要事件。有了AI邮件助手插件和NLP邮件文本识别分类模型！就可以解决这一痛点！以此类推，无论是Lotus8.5还是网易腾讯Qq邮箱，我们办公可以让思考更有力量！脑机芯片都要投产了，我想这种便民服务的模型更要早日走进千家万户！请大牛们支持、批评、斧正！谢谢。