聚合 WER 掩盖一切:语音客服 ASR 银行代码错读率近半
Adventurous_Whole973 · reddit · 2026-09-21
一位语音 agent 开发者分享生产环境教训:ASR 报告 95% 准确率看似没问题,但人工抽检发现客户读 IFSC 银行代码时近半数至少错一个字符。
问题根源:
- 印度口音 + 8kHz 电话音频下,M/N、S/F、B/D/P 极易混淆
- 数字更糟:「double five」「fifty five」「five five」被模型当成三种不同输入
- 冷门姓氏和字母数字混合的保单号基本随机出错
- 约一半来电者印英混说,模型会「押注」单一语言,恰好在读关键信息时崩掉
核心结论:一个聚合 WER 数字对业务毫无意义——IFSC 错一位就是支付失败,名字错就是合规问题。团队现在改为按字段分别统计,数字虽然难看,但至少催收部门反映的问题能在数据里看到了。下一步考虑约束解码和校验 pass,但不确定是否只是掩盖模型层问题。
「编程与Agent」频道最新
- Claude 与 Codex 订阅缩水遭吐槽,作者用任务分类模型省 token — StewartalsopIII · 2026-09-21
- 30分钟搭好作业订正流水线，Ling-3.0-flash-VL视觉坐标玩法实测 — nikola_mr64990 · 2026-09-21
- 蚂蚁百灵发 Ling-3.0-flash-VL,实测设计图直出 HTML+CSS — nikola_mr64990 · 2026-09-21
- 10 秒录屏喂给 Ling-3.0-flash-VL,复刻个人网站达七成像 — nikola_mr64990 · 2026-09-21
- 开发者热议:AI 是能力放大器,没基础只会更快堆出技术债 — RachelVT42 · 2026-09-21
- 三模型分工拦截用药冲突:GLiNER+DeBERTa 构建 fail-closed 流程 — MaziyarPanahi · 2026-09-21