售后通话语音质检AI实验：方言口音与关键项抽取

语音交互实验室近期把实验场景从车间转向售后热线，尝试用语音识别加语义抽取替代人工抽检。与通用会议转写不同，这类通话有三类干扰：方言口音重、型号与部件名常被连读、外放背景噪声大。直接套用通用 ASR，故障现象、处理动作、承诺时间等关键项漏检明显。

目前的方案是三段式：通用 ASR 打底，叠加领域热词与型号词表做偏置解码；再由大模型在转写文本上按质检模板抽取关键项；未命中的片段回听打标，回流成增量词表。

要点：

• 阶段进展：在约 500 小时、覆盖 6 个方言区口音的真实通话上，关键项抽取召回由通用方案的 71% 提升至 89%，误报率控制在 8% 以内，型号错字率下降约四成。
• 下一步：把抽取结果回接到工单与备件预测链路，验证“通话即工单”的可行性；同时评估端侧热词分发的更新成本与时效。