质检录音AI抽检：方言口音识别与关键词检出

在语音交互实验室近期的实验中，我们把语音识别用在质检录音抽检上：不追求全量转写，而是从通话录音中自动定位「承诺时效」「费用争议」「安全提示缺失」等风险片段，交由质检员复核。

遇到的第一个问题是口音与方言。通用模型在标准普通话上表现稳定，但西南官话、粤语口音的坐席通话错字率明显上升。我们采用两条路径：一是用少量业务录音（每类30~50条）做热词与发音词典适配；二是把识别与关键词检索解耦，用拼音模糊匹配加置信度阈值，容忍部分错字。阶段性数据：在约120小时抽检录音上，风险话术召回率从71%提升到89%，误报控制在每百条通话1.2次，质检员复核量下降约四成。

下一步计划：引入说话人分离与语速特征，区分客户与坐席，并对静音、抢话段落做切分，减少无效转写。语音AI在质检场景的价值不在「听得全」，而在「听得准、定位快」。