过去半年，我们在语音交互实验室的一条实验线放在了呼叫中心场景：不做完整替代，只验证「实时转写＋意图理解」能否稳定跑在真实话务流上。
第一阶段解决的问题是「听得清」。真实线路存在口音、串音、坐席与客户重叠说话，通用ASR直接上线的字错率明显高于实验室环境。我们的做法是把客户侧音频单独切轨，配合轻量降噪与领域词表热更新，把关键信息（订单号、金额、时间、地址）的识别准确率作为主要指标，而非整体字错率。
第二阶段转向「听得懂」。转写文本本身不够用，我们尝试在流式输出上叠加意图分类与情绪倾向两个轻量模块，让系统在通话进行中给出「咨询—比价—投诉—续约」类标签，并把置信度低的片段留给人工复核。阶段性数据显示：在约 1.2 万通样本上，关键信息抽取的可用率从初期的七成提升到九成左右，但情绪判断在方言与反讽表达上仍不稳定。
要点：
· 指标设计上，用「关键信息可用率」替代整体字错率，更贴近坐席的实际使用；
· 下一步计划引入通话后自动摘要与工单草稿，仍保持人工确认节点，不追求全自动闭环。
结论偏保守：语音AI在呼叫中心能减负，但前提是把评估指标对准业务动作，而不是对准模型榜单。
评论