AI 外呼识别不准怎么办？先分清听不清、听不懂和没接住
一通电话里客户问了三遍“你刚才说什么”，第四遍直接挂断。回听录音，转写文本错得离谱，运营的第一反应是模型不行，于是去找新供应商；换了一家，同一个名单，同样的错。AI 外呼识别不准怎么办，多数团队从这里开始就走偏了——把这类通话拉出来逐句对，被统称为识别不准的现象至少是三种：机器没听清、听清了但认不出这个词、听清了也认得出但话没轮到它说。三种改法不在一个层面上，混着改，改的多半是最不该动的那一层。电话信道本身就是第一道损耗，窄带音频把频段削掉一截，再叠上环境噪音、口音和语速，实验室里的数字到了电话里本来就要打折。
抽二十通被标成“答非所问”的通话，一边放录音一边看转写。分类只看一件事：错在字上，还是错在意思上。字错而意思勉强能猜出来，属于信道和模型的事；字全对但回的那句不搭，属于话术分支和意图识别的事；整段没转写、客户说的话像被吞掉，多半是打断机制没做好。三类混在一张报表里，看出来的结论只有一句“识别不行”。
把三类错分开之后，换模型这个动作就可以往后排。模型是最后一层，也是最贵的一层；前两类问题在配置层面就能解决掉大半，第三类要动的是对话机制，跟模型没多大关系。
外呼的音频是从 8kHz 的窄带信道里过来的，高频段被砍掉之后，不少辅音听起来就是一片模糊的摩擦声，同音字因此大面积出现。一份面向开发者的语音选型分析里给过一组对照：实验室口径的准确率能写到 98%，换到真实电话上，字错误率就在 5% 到 8%；口音再重一点、方言再重一点，还要往下掉一格。
字错误率这组数的用处不是当考核线，是让你在验收时换个问法。厂商说识别率九成五，先问这个数是在什么条件下测的：安静房间、标准普通话、固定话术，还是你手上这批带口音的名单。同一套引擎，两种条件下差出一截很正常，这不是谁在说谎，是口径不同。
客户说“我要查一下工单进度”，转写成了“恭单进度”；说“续费”，转成了“学费”。这类错误不是模型差，是词表里没有这个词，语言模型按通用语料里更常见的写法给了答案。把行业词、产品型号、业务名塞进热词表，识别结果会明显改善——有做外呼落地的团队给的经验是，配上热词之后准确率能提升十几个百分点，成本只是列一张词表。
词表怎么列：把上个月的通话转写导出来，统计出现频次高的名词，取前几十个，逐个核对有没有稳定的误写。产品型号、套餐名、地名、部门名优先，因为这些词错了，客户后面整句话都会跟着跑偏。词表不是一次性的，上新品、换活动就补一轮。
语音服务商通常同时提供通用模型和垂直场景模型。通用模型拿来做会议转写、字幕、录音整理都能用，但外呼的特点是短句、频繁插话、口语化表达多，用会议模型去跑，识别率看起来不低，对话照样接不上。选型时可以直接问一句：这个模型训练用的音频里，电话窄带音频占多大比例。
另一个容易忽略的点是时延。识别不是单独发生的，它要和语义理解、语音合成串在一条链路上，端到端从客户说完到机器开口通常在一两秒之间。识别模型再准，如果排队排到三秒以上，客户会以为掉线，接着挂断——这类通话在报表上会显示成客户主动结束，看起来跟识别毫无关系。
很多外呼机器人是半双工的：播报的时候不收音，客户一插话就被吞掉。客户说“我现在有事”，机器还在自顾自念第三段卖点，客户挂断。报表上这通电话记为接通、时长十几秒，排查识别率的时候根本不会看它。判断方法很直接：自己打一遍，在机器说到第二句时插话，看它停不停、停了之后接不接得上。
再往深一层是参数。客户说完之后等多久开始应答、什么样的声音算有效语音，这两个值调得急，机器就会抢话；调得慢，客户会觉得反应迟钝。有技术分析提到过一类典型问题：客户叹气被当成了有效语音，机器立刻接话，客户觉得被打断。改法是把噪声门限调低、把等待时间放宽，代价是整体节奏变慢，需要按业务取舍。
承认没听清不丢人，反复问同一句才丢人。“抱歉我没听清，您再说一遍”这类兜底句要有，但必须限次数，通常两遍以内；第二遍要换说法，把问题问得更窄，比如从“您想了解哪方面”改成“您是想问价格，还是想问怎么用”。两遍还没推进，就该换路径或者转人工，而不是继续在原地打转。
有做培训行业的团队讲过一个典型卡点：话术流程设定必须先确认意向才能报价，客户反问“你们多少钱”，机器答不上来，又重复一遍“那您是想先了解一下课程吗”，来回三次，客户挂了。这句话里有两个环节一起失手：意图识别没把价格这两个字接住，话术又只留了一条路，两边一起把电话逼死。客户提到价格、提到竞品、提到时间，都该有关键词触发的分支，而分支要起作用，前提是那句话先被认出来。
厂商的测试集是用什么音频做的，你无从核实。能自己做的测试只有一种：从最近一个月里抽一百通真实通话，人工听一遍，把机器转写的文本逐句对，按口音、噪音、专有名词分场景统计错误率。这件事一两天能做完，结论比任何一份宣传材料都可靠。
统计口径建议看字错误率，而不是识别率。识别率的算法各家不同，句子对一半算不算对、标点算不算错都能调；字错误率只数错字、漏字、多字，口径清楚，横向比也不容易被绕。同一批录音跑两家，谁的错字少，一眼能看出来。
虎迅客做的是 AI 外呼机器人与电销系统，多轮对话与意图识别在通话中实时跑，识别置信度低的句子会走兜底节点，而不是硬接一句；意向分级之后够格的当班转人工，不必让机器在一句话上反复纠缠。虎迅客平台上同时在跑的一批账号，同一套模型、同一套话术，名单里口音重的批次，通话走到后半段的明显更少——这类差异在名单层面就看得出来，不必等模型升级。
要看这九成五是在什么条件下测的。安静房间、标准普通话、固定话术测出来的数，换到带口音的名单上会掉一截。更实用的判断是任务完成率：客户的问题有没有被接住、信息有没有收全。识别率只是中间指标，它高了但任务完不成，说明问题在对话设计上。
能解决一部分。粤语、四川话这类方言，主流引擎已有专门模型；吴语、闽南语和更小的方言识别率会掉一个台阶，有的没有模型。路径是先用普通话模型跑，置信度低时缩短流程、尽早转人工，同时把当地录音脱敏后交服务商微调；微调要时间，别指望开个开关就解决。
先别换。口音问题里有一部分是词表造成的：同样的发音，机器写成哪个词取决于语料倾向。把当地常用词、地名、行业词补进热词表再看一轮，多数情况能改善一截。同一批录音的错字率仍在两成以上，又不支持电话场景模型和微调，才到了换的份上。
会，而且判错的方向多半偏乐观。客户说“我再想想”，被识别成“我想想怎么弄”，档位就可能往上抬一档；销售拿着这条线索打过去，发现对方没兴趣。校准靠抽检：每周从各档位随机抽几条回听，错档比例高，说明要么识别有问题，要么档位定义写得太松。
要动手，先抽二十通被标成答非所问的通话，录音和转写对着看一遍，把错处按专有名词、通用字、整句丢失分个类。三类各占多少，决定了该配词表、该换模型，还是该改打断机制——这一步做完，再谈要不要换供应商。