语音智能：会话状态运行时

当客户咬着牙说”没事”时，文本分析看到的是平静，而语音中传来的是激动。语音智能弥合了这一鸿沟 — 将文本和语音情绪信号融合到统一的会话状态机中，检测隐藏的不满，追踪升级风险，并实时推荐干预策略。

1. 为什么需要跨模态情绪分析

传统客服分析工具在单一模态下工作：要么分析文本情感，要么分析语音语调，从不同时分析两者。这带来了危险的盲区：

• 客户打字”没问题”的同时，语音音调上升了 40% — 文本显示平静，语音显示压力
• 只有将文本沮丧度与语音激动度随时间关联，才能看到升级趋势
• “隐藏性不满”状态 — 任何单一模态都无法检测，但两者的分歧可以揭示

语音智能将文本和语音视为两个并行信号通道，通过时间线对齐引擎进行关联，并将结果融合为带有自动策略推荐的 7 态会话状态机。

2. 架构总览

语音智能运行时跨越五层构建，遵循 OctopusOS 三层架构（内核契约、内核域、共享层）。

层级放置规则：

• L1（接入层） 位于 server/shared/ports_impl/ — WebSocket 处理器、音频流适配器
• L2（情绪层） 位于 kernel/domains/voice_intelligence/ — 纯评分函数，零 I/O
• L3（关联层） 位于 kernel/domains/signal_correlation/ — 纯时间线对齐和漂移检测
• L4（状态层） 位于 kernel/domains/session_state/ — 纯状态机、策略查找、可解释性
• L5（界面层） 位于 server/shared/ — HTTP 路由、仪表盘、证据导出

3. 文本情绪评分

文本情绪评分器通过多特征管线分析聊天消息：

输出：TextEmotionScores — frustration、confusion、urgency、calm 四维评分 + dominant_emotion + confidence。

4. 语音情绪评分

语音情绪分析基于从音频帧提取的声学特征：

5. 跨通道漂移关联

关联引擎对齐文本和语音情绪时间线，检测五种漂移状态：

冲突检测

当文本和语音情绪的分歧超过阈值时，冲突检测器识别四种矛盾模式：

6. 会话状态机

会话状态引擎将三个信号源融合为单一升级分数：

升级分数 = 漂移(0.3) + 冲突(0.4) + 情绪(0.3)

该分数驱动 7 态状态机：

策略钩子

每个状态映射到推荐操作：

7. 可解释性引擎

每个状态决策都包含完整的 StateBasis 分解：

• 分数贡献者：三个加权因子（漂移/冲突/情绪）的原始分数、权重和详情
• 主导信号：哪个因子对决策影响最大
• 分类路径：人类可读的决策逻辑描述
• 校准版本：记录使用了哪些评分参数

这确保每个升级决策都可以被审计、解释和校准。

8. 实现指标