技术特征：
1.一种客服人员声音感染力的评测方法，其特征在于，通过如下步骤实现对客服人员声音感染力的评测：样本选择，抽取客服声音样本，按照预定的评价方式对样本进行感染力评分并分级，并按照分级标准将等级作为标签标记到客服声音样本中；样本识别，通过对声音样本进行频谱化处理得到声音样本的频谱数据，并将声音样本标记的等级与频谱数据进行对应，对应后的数据分成训练样本和评价样本；特征提取，对样本识别步骤中得到的频谱数据进行特征值提取，所述特征值包括频率、音量和音高；模型训练，将提取的训练样本的特征值和对应的分级标签代入到深度学习网络中进行模型训练；训练结果评估，将评价样本的特征值代入到模型训练步骤生成的训练模型中进行识别得到声音感染力分级，将识别结果与评价样本自身对应标签的分级进行比较，若识别的准确率达到预设的准确率则保存当前步骤的训练模型并进行下一步，若识别的准确率未达到预设的准确率则返回模型训练步骤继续进行训练；目标声音识别，对目标声音进行频谱化处理得到目标声音的频谱数据，并对目标声音的频谱数据进行特征值提取，将提取的特征值输入到训练模型中进行识别得到目标声音的感染力分级。2.根据权利要求1所述的一种客服人员声音感染力的评测方法，其特征在于，感染力分级分为五级，分别为一级、二级、三级、四级和五级，一级为感染力最差，五级为感染力最强。3.根据权利要求1所述的一种客服人员声音感染力的评测方法，其特征在于，所述目标声音识别步骤中还包括情绪识别过程，所述情绪识别过程为基于声音情绪识别算法的情绪识别过程，所述情绪识别过程输出目标声音的情绪情况。4.根据权利要求1所述的一种客服人员声音感染力的评测方法，其特征在于，所述深度学习网络为基于卷积神经网络的深度学习网路。5.根据权利要求1所述的一种客服人员声音感染力的评测方法，其特征在于，所述深度学习网络为基于循环神经网络的深度学习网路。6.根据权利要求1所述的一种客服人员声音感染力的评测方法，其特征在于，所述深度学习网络为基于深度信念网络的深度学习网路。7.根据权利要求6所述的一种客服人员声音感染力的评测方法，其特征在于，所述深度学习网络对特征值进行识别之前还包括预处理步骤，所述预处理步骤包括对特征值的加权处理。8.一种客服人员声音感染力的评测系统，其特征在于，包括声音录入模块、评级模块、声音识别模块、特征提取模块、深度学习模块和输出模块，所述声音录入模块用于录入样本声音和目标声音，所述评级模块用于录入对样本声音的评级标签，所述声音识别模块用于对样本声音和目标声音进行频谱化处理，所述特征提取模块用于对样本声音和目标声音的频谱数据进行特征值提取，所述深度学习模块用于对样本声音特征值与标签数据进行深度学习和识别并根据目标声音的特征值对目标声音的感染力等级进行识别，所述输出模块用于输出目标声音的感染力识别结果。