Ανάπτυξη Φωνητικού Bot για Αυτόματη Εξυπηρέτηση Πελατών μέσω Vicidial και Asterisk

Abstract

Η παρούσα διπλωματική εργασία πραγματεύεται τη σχεδίαση και υλοποίηση ενός ελληνόφωνου τηλεφωνικού Voicebot, ενσωματωμένου σε πραγματικό περιβάλλον τηλεφωνικού κέντρου. Το προτεινόμενο σύστημα βασίζεται σε αρχιτεκτονική modular και αξιοποιεί τεχνολογίες επεξεργασίας φυσικής ομιλίας, μηχανικής μάθησης και τηλεφωνίας ανοικτού κώδικα. Η αρχιτεκτονική του συστήματος περιλαμβάνει υποσύστημα αναγνώρισης ομιλίας (Speech-to-Text) με χρήση του μοντέλου Whisper, υποσύστημα κατανόησης φυσικής γλώσσας (Natural Language Understanding) βασισμένο σε αναπαράσταση Bag-of-Words και νευρωνικό δίκτυο τύπου MLP, μηχανισμό διαχείρισης διαλόγου μέσω state machine και υποσύστημα σύνθεσης ομιλίας (Text-to-Speech). Η τηλεφωνική ενσωμάτωση πραγματοποιείται μέσω Asterisk και VICIdial, αξιοποιώντας τη διεπαφή AGI για έλεγχο της ροής της κλήσης. Το σύστημα υλοποιείται σε πλήρως on-premise υποδομή, χωρίς εξάρτηση από εμπορικές cloud υπηρεσίες, διασφαλίζοντας αυξημένο έλεγχο δεδομένων και επιχειρησιακή ευελιξία. Η εργασία καταδεικνύει ότι είναι εφικτή η ανάπτυξη ενός αξιόπιστου ελληνόφωνου Voicebot, ικανού να υποστηρίξει σύνθετες τηλεφωνικές ροές, όπως η παραγγελιοληψία, σε πραγματικές συνθήκες λειτουργίας.This thesis presents the design and implementation of a Greek-speaking telephone Voicebot integrated into a real call center environment. The proposed system follows a modular architecture and leverages technologies from speech processing, machine learning, and open-source telephony platforms. The system architecture consists of a Speech-to-Text module based on the Whisper model, a Natural Language Understanding module using a Bag-of-Words representation and an MLP neural network, a dialog management mechanism implemented as a state machine, and a Text-to-Speech module for voice response generation. Telephony integration is achieved through Asterisk and VICIdial, using the AGI interface to control call flow and interaction logic. The solution is deployed in a fully on-premise infrastructure, eliminating dependence on commercial cloud services and ensuring greater control over data and operational flexibility. The thesis demonstrates that it is feasible to develop a reliable Greek-language Voicebot capable of handling multi-step telephone processes, such as order placement, under real-world telephony constraints.