本技术涉及人工智能，具体涉及一种语音质检方法、装置、计算机设备及存储介质。
背景技术：
1、目前随着网络以及电商的发展，所提供的咨询服务越来越便捷，为了保障客服服务质量，需要对客服通话记录、对话信息等进行质检，目前，服务器热线的语音质检服务器在存储了客服与用户之间沟通的录音文件或文本信息之后，通过人工质检或是简单的语音质检模型进行质检。
2、但是人工质检不仅质检效率低下，而且检测结果的准确性受人为影响一般偏低。另外，目前市面上现有的语音质检系统，先把客服人员与用户对话的录音转写为文本数据，然后根据预先设置的关键词和规则对文本数据进行匹配，最后输出客服语音的质检结果，在这个过程中会存在以下问题：1、关键词的设置没有考虑语义会存在大量的误判；2、质检规则对转写的准确率要求比较高；3、删除误判这一关键词或者规则时漏检的情况就会比较多，对业务的影响比较大。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种语音质检方法、装置、计算机设备及存储介质，使用文本匹配质检和模型质检对待质检音频数据进行二次质检，减少误判的概率。
2、第一方面，本技术提供一种语音质检方法，包括：
3、获取目标用户语音通话的待质检音频数据；
4、将所述待质检音频数据转换为文本信息；
5、对所述文本信息进行文本匹配质检，得到所述待质检音频数据的第一质检结果；
6、若所述第一质检结果为所述文本信息包含预设文本信息，则对所述文本信息进行模型质检，得到所述待质检音频数据的第二质检结果。
7、在本技术一些实施例中，所述若所述第一质检结果为所述文本信息包含预设文本信息，则对所述文本信息进行模型质检，得到所述待质检音频数据的第二质检结果之后，包括：
8、若所述第二质检结果为所述文本信息包含预设文本信息，则发送所述文本信息至数据来源端；
9、当接收到所述数据来源端发送的对于所述第二质检结果的复检肯定请求时，对所述文本信息进行复检得到复检结果。
10、在本技术一些实施例中，所述若所述第二质检结果为所述文本信息包含预设文本信息，则发送所述文本信息至数据来源端之后，包括：
11、当接收到所述数据来源端发送的对于所述第二质检结果的复检否定请求时，获取若干所述文本信息和所述第二质检结果创建质检数据库。
12、在本技术一些实施例中，所述当接收到所述数据来源端发送的对于所述第二质检结果的复检请求时，对所述文本信息进行复检得到复检结果之后，包括：
13、获取若干所述文本信息和所述复检结果创建复检数据库；
14、根据所述质检数据库和所述复检数据库中的数据对预设的初始模型进行训练，得到自学习模型，所述自学习模型用于对所述文本信息进行模型质检。
15、在本技术一些实施例中，所述根据所述质检数据库和所述复检数据库中的数据对预设的初始模型进行训练，得到自学习模型，包括：
16、根据预设的数据组装策略对所述质检数据库和所述复检数据库中的数据进行处理，得到训练样本集；
17、根据所述训练样本集对预设的初始模型进行训练，得到所述自学习模型。
18、在本技术一些实施例中，所述根据所述质检数据库和所述复检数据库中的数据对预设的初始模型进行训练，得到自学习模型之后，包括：
19、获取当前使用的自学习模型、所述复检数据库以及所述质检数据库的状态信息；
20、若所述状态信息符合预设的模型训练策略，则根据所述复检数据库以及所述质检数据库中的数据对当前使用的自学习模型再次进行训练，得到更新后的自学习模型；
21、根据所述当前使用的自学习模型和所述更新后的自学习模型，确定下一使用的自学习模型，所述下一使用的自学习模型用于替换所述当前使用的自学习模型对所述文本信息进行模型质检。
22、在本技术一些实施例中，根据当前使用的自学习模型和所述更新后的自学习模型，确定下一使用的自学习模型，包括：
23、计算所述当前使用的自学习模型的第一调和均值和所述更新后的自学习模型的第二调和均值；
24、根据所述第一调和均值和所述第二调和均值确定所述下一使用的自学习模型。
25、第二方面，本技术提供一种语音质检装置，包括：
26、信息获取模块，用于获取目标用户语音通话的待质检音频数据；
27、文本转换模块，与所述信息获取模块通讯连接，用于将所述待质检音频数据转换为文本信息；
28、匹配质检模块，与所述文本转换模块通讯连接，用于对所述文本信息进行文本匹配质检，得到所述待质检音频数据的第一质检结果；
29、模型质检模块，与所述匹配质检模块通讯连接，用于若所述第一质检结果为所述文本信息包含预设文本信息，则对所述文本信息进行模型质检，得到所述待质检音频数据的第二质检结果。
30、在本技术一些实施例中，模型质检模块还用于若所述第二质检结果为所述文本信息包含预设文本信息，则发送所述文本信息至数据来源端；当接收到所述数据来源端发送的对于所述第二质检结果的复检肯定请求时，对所述文本信息进行复检得到复检结果。
31、在本技术一些实施例中，模型质检模块还用于当接收到所述数据来源端发送的对于所述第二质检结果的复检否定请求时，获取若干所述文本信息和所述第二质检结果创建质检数据库。
32、在本技术一些实施例中，模型质检模块还用于获取若干所述文本信息和所述复检结果创建复检数据库；根据所述质检数据库和所述复检数据库中的数据对预设的初始模型进行训练，得到自学习模型，所述自学习模型用于对所述文本信息进行模型质检。
33、在本技术一些实施例中，模型质检模块还用于根据预设的数据组装策略对所述质检数据库和所述复检数据库中的数据进行处理，得到训练样本集；根据所述训练样本集对预设的初始模型进行训练，得到所述自学习模型。
34、在本技术一些实施例中，模型质检模块还用于获取当前使用的自学习模型、所述复检数据库以及所述质检数据库的状态信息；若所述状态信息符合预设的模型训练策略，则根据所述复检数据库以及所述质检数据库中的数据对当前使用的自学习模型再次进行训练，得到更新后的自学习模型；根据所述当前使用的自学习模型和所述更新后的自学习模型，确定下一使用的自学习模型，所述下一使用的自学习模型用于替换所述当前使用的自学习模型对所述文本信息进行模型质检。
35、在本技术一些实施例中，模型质检模块还用于计算所述当前使用的自学习模型的第一调和均值和所述更新后的自学习模型的第二调和均值；根据所述第一调和均值和所述第二调和均值确定所述下一使用的自学习模型。
36、第三方面，本技术还提供一种计算机设备，所述计算机设备包括：
37、一个或多个处理器；
38、存储器；以及一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现上述任一项所述的语音质检方法。
39、第四方面，本技术还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器进行加载，以执行上述任一项所述的语音质检方法中的步骤。
40、第五方面，本技术实施例提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述第一方面提供的方法。
41、上述语音质检方法、装置、计算机设备及存储介质，首先对转换得到的文本信息进行文本匹配质检，然后对第一次质检判断包含预设文本信息的文本信息进行模型质检，文本匹配质检是关键词进行匹配的硬规则，模型质检是基于算法模型进行的质检，可以对一定的语义进行理解和判断，两者结合降低误判的几率。