印度语混合语音转写没有唯一正解:LLM、CRM、合规各要一种格式
BEYOND__7 · reddit · 2026-11-04
一位为印度语言搭建语音 agent 管线的开发者指出,code-mixed 通话(如 Hinglish)的转写天然存在四种“都正确”的写法:天城文逐字版(含英文词)、金额数字化的清洗版、英印混合字母版、全罗马字母版。问题在于系统各环节要的版本不一样:
- LLM:清洗版最好,金额已是数字
- 关键词告警(如 "refund"):只在混合字母版上可靠触发
- CRM/ticketing:只要罗马字母
- 合规/争议审查:要逐字原样
- TTS:一行内混排多脚本会出错
Whisper 在 Hinglish 上会随机切换脚本或罗马化,导致下游转换混乱。两种应对:一是转写一次后下游转换,用 AI4Bharat 开源转写模型加自己的数字归一化;二是选支持指定输出格式的 STT(如 gnani Prisma v3 的四种模式),但单请求只能出一种格式,要两种就得跑两遍音频。
「编程与Agent」频道最新
- AI 员工工具缺一块拼图：agent 不会「盯着情况等更新」 — corbtt · 2026-11-05
- Go 从零实现的 Rust 编译器 rustgo：完整复刻 rustc 管线 — rakyll · 2026-11-05
- Atlas 发布：Mac 上给 agent 一个隐藏桌面，人机互不干扰 — Scobleizer · 2026-11-05
- 「多数人说不清自己要什么」:vibe coding 之争再起 — TheMoonMidas · 2026-11-05
- 观点：AI Agent 将取代 SaaS 产品，直接替客户完成工作 — andreisavu · 2026-11-05
- Runway Dev 上线 Claude Code：一行描述自动接入视频音频 API — runwayml · 2026-11-05