通用识别在新闻播报上很准,到了车间、法庭、医院就开始错——术语、口音、噪声、多人抢话。文本侧同理:通用模型不懂你的业务规则。我们要做的是把通用能力调到你的场景里。
工作时间内 30 分钟响应 · 不需要留资也能先打电话聊
我们会按您留下的电话尽快联系;着急可直接拨打 189 1027 6806。
都不是"识别成文字"就完了,后面还有一层业务处理。
客服质检。一千通电话,人工只能抽 3%。系统全量转写后,按规则打分:有没有报工号、有没有说禁语、有没有确认地址、客户情绪是否升级。规则可配,命中片段自动截取音频,主管点开就能听。
会议与访谈。多人说话要分离,谁说的要标出来;专业术语要准,不然纪要没法看;两小时录音要能出结构化摘要——决议、待办、责任人、时间点。
内容审核。直播、评论、UGC 音频,要识别违规词、谩骂、导流、涉政涉黄。纯关键词会误伤,要用语义模型 + 规则兜底,并保留人工复审通道。
| 能力 | 说明 | 典型用途 |
|---|---|---|
| 语音转写 | 离线/实时,带标点与时间戳 | 会议纪要、通话记录 |
| 说话人分离 | 区分 2-8 人,标注说话人 | 访谈、多人会议 |
| 关键词与热词 | 自定义术语、人名、产品名 | 医疗、法律、工业 |
| 情绪与语速 | 识别激动、打断、长时间沉默 | 客服质检、投诉预警 |
| 文本摘要 | 抽取决议、待办、风险点 | 会议、工单 |
| 内容审核 | 违规词、谩骂、导流、敏感话题 | 直播、评论、UGC |
电话录音、会议录音、直播流、小程序录音上传。
批量转写、实时转写、说话人与时间戳。
质检项、评分权重、命中片段与申诉流程。
结构化输出:谁、做了什么、什么时候、下一步。
机器初判 + 人工复审 + 误判样本回流。
质检合格率、问题分布、坐席排名、趋势。
收集真实录音,整理行业术语与易错词。
跑 100 条样本,算字准率,找出错在哪类词。
和业务方一起定质检项与评分标准,避免"规则写完没人认"。
先跑一个月的历史数据,对比人工抽检结果再全量。
报价口径:不含语音识别服务调用费(按小时计,通常每小时几元)。私有化部署需另配算力,可按并发数评估。
没列到的直接来电 189 1027 6806,技术负责人接
普通话带口音通常没问题,字准率会降 3-8 个百分点;粤语、四川话等大语种有专门模型;小众方言需要定制,成本较高。建议先拿 50 条真实录音测,看实际字准率再决定。
能,通常支持 2-8 人分离。前提是音质别太差、说话不重叠。两个人同时抢话的片段容易混,我们会在结果里标注"重叠"让复核的人注意。
通用工具出文字,我们要出业务结果:质检得分、违规片段、结构化摘要、可检索的标签。差别在行业词定制、规则引擎和与业务系统的对接。
近场实时转写延迟 300-800ms,可用于直播字幕与在线客服辅助。电话线路因为编码压缩,延迟会更高一些,通常 1 秒左右。离线批量转写不看延迟,看吞吐。
三层:机器初判给置信度,低置信度转人工;人工复审结果回流成训练样本;对高误伤的词做白名单(比如"打击"在体育语境)。目标是误判率可控,而不是零误判。
私有化部署存客户自己的存储,云方案存加密对象存储并设保留期。访问要留日志,删除要可验证。涉及个人信息的部分建议在入库时就做脱敏。
发 20-50 条真实样本,我们跑一遍给你看字准率与问题分布,再谈系统怎么做。
我们会按您留下的电话尽快联系;着急可直接拨打 189 1027 6806。