呼叫中心的质量检查长期依赖关键词命中和人工抽检，覆盖率通常不足 5%，且误报集中在同音词与口语化表达上。语音交互实验室近期在内部试运行一套轻量化质检流程：先做通话分段与说话人分离，再以端到端语音识别输出文本，最后用多标签分类器同时判断业务意图、情绪倾向和合规风险话术，全流程不落原始录音，仅在本地侧保留特征与标签。
要点一（进展）：在约 5000 小时内部通话数据上，退订、费用争议、上门预约三类高频意图的 F1 约为 0.87，风险话术召回约 0.91；主要误报来自方言口音与背景人声重叠片段。
要点二（下一步）：计划引入口音自适应与热词纠错表，把套餐名、工单号等专有名词的识别准确率从当前约 82% 提升到 90% 以上，并试点将质检标签回流至坐席培训与话术优化，评估单位通话的处理成本能否控制在人工抽检的三成以内。
我们认为语音质检的价值不在替换人工，而在于把抽检变成全量筛查，把人的精力留给边界样本与争议判定。
评论