语音AI工程评审纪要定制：多说话人分离与术语纠错

在制造与工程团队里，评审会常同时出现多人插话、方言口音和大量设备型号、工艺缩写。通用语音转写在这种场景下错字率高，会后仍需人工重听整理。语音交互实验室近期的实验方向，是把「多说话人分离 + 领域词表纠错」拆成两步分别评估，而不是直接端到端替换人工。

目前做法：先用短时声纹聚类做说话人分段，再把分离后的音频送入带热词偏置的识别模型；对识别结果基于工艺词表与型号编号做二次纠错，保留时间戳与说话人标签，输出可挂到会议系统的结构化纪要。为控制风险，置信度低的片段只标注「待确认」，不擅自改写术语与数值。

阶段性进展：在内部约 40 小时真实评审录音上，说话人分段准确率约 92%，术语纠错后关键型号与参数的错误率较通用模型明显下降。下一步补充跨会议室远场与回声场景，并验证纪要与行动项提取的联动效果。