概览
工作原理
这些技术细节包含一张架构图，用于说明如何有效使用本解决方案。该架构图展示了关键组件及其相互作用，并逐步概述了架构的结构和功能。
开始使用
Well-Architected 支柱
上面的架构图是按照 Well-Architected 最佳实践创建的解决方案示例。要做到完全的良好架构，您应该遵循尽可能多的 Well-Architected 最佳实践。
数据，比如说话人的情感分析和联络中心座席遵守客户内部合规规则的情况，用于评估联络中心座席处理客户电话的效能。相同的数据还用于识别通话中讨论的主题和实体。所有这些数据都可以在 Amazon QuickSight中进行可视化，以帮助业务分析师从客户的角度确定趋势以及代理商的潜在培训需求。
所有数据均经过动态和静态加密，可以使用客户控制的 AWS 密钥管理服务 (AWS KMS) 密钥进行加密。尽管该解决方案完全无服务器，但 AWS Lambda 组件可以选择在客户的VPC内运行，只能通过客户批准的终端节点访问外部服务，例如 Amazon Tran scribe和 Amazon S3 。
该解决方案完全无服务器，而且每项服务（例如 Amazon Transcribe、Amazon S3）都使用多个可用区以弹性的方式运行。
该解决方案可以根据需要对其无服务器组件进行向上和向下扩展，以便处理可能的数千个并发通话，或是没有待处理通话的情况。
正如在性能效率支柱中提到的，该解决方案仅在有活动的通话音频文件需要处理时才使用无服务器组件，从而尽可能地减少产生的费用。如果需要，原始音频文件可以根据客户指定的时间表归档到低成本的长期存储中，从而最大限度地降低存储成本。
通过密集地使用托管服务和动态扩展，我们可以最大限度地降低后端服务的环境影响。
相关内容
使用 Amazon 语言 AI 服务为您的联络中心进行实时呼叫分析和座席协助
您的联络中心会将您的企业与社区联系起来，以便客户可以订购产品，呼叫者可以寻求支持，客户可以预约，等等。当通话顺利进行时，呼叫者会对您的品牌保持积极的印象，并且很可能再次光临并向他人推荐您。 这篇文章演示了如何使用 Amazon Machine Learning（ML）服务大规模转录和提取联系中心通话中的见解。
免责声明
找到今天要查找的内容了吗？
请提供您的意见，以便我们改进网页内容的质量。