OVATION 专业术语有多难识别?AI 语音转文字翻车实录

AI 不是万能的，但翻车后能爬起来，就是进化。

上周，我在上海参加艾默生 OVATION 培训。

三天的课，每天 3 小时录音，加起来快 2GB。

我心想：现在有 AI 了，语音转文字不是分分钟的事吗？

结果——翻车了。而且翻得很彻底。

第一天：Vosk 翻车现场

培训第一天结束，我把课堂录音发给我的 AI 助手——锅侧艾师傅。

"帮我把录音转成文字，整理成笔记。"

艾师傅很快回复：

我打开一看——

❌ RNI 被识别成了 INI。

❌ ROP 被识别成了 ROP/TND（不稳定）。

❌ OCR3000 被识别成了"OCR 三千"。

我：？？？

这些都是 OVATION 系统的核心组件名称啊！

我回艾师傅："你确定转写的是对的吗？有没有上网查证？"

艾师傅沉默了三秒：

好家伙，AI 翻车了，还翻得理直气壮。

第二天：换模型，重新来

第二天培训结束，我让艾师傅换个方案。

"Vosk 不行，换 Whisper。"

8 分钟后，第一个录音转完了。

我打开一看——

✅ ROP → 正确

✅ TND → 正确

✅ RNC → 正确

✅ MAU → 正确

✅ RNI → 正确

我：这次对了！

但艾师傅在另一个功能上又翻车了——语音克隆。

我让它用我的声音回答问题，它录了 9 秒音频，生成了一段测试语音。效果：一般。

我又录了 41 秒，这次效果好了很多。

但当我让它用我的声音说韩文时——

好吧，IndexTTS2 是纯中文模型，韩文翻车也在意料之中。

第三天：升级到 large，准确率 98.7%

第三天，我让艾师傅再升级一下。

"medium 虽然对了，但 OVATION 专业术语太多，用 large 模型再转一遍。"

这次转写时间长了很多，但效果——惊艳。

我统计了一下：

代价是：1.3GB 的录音，转写时间较长。但准确性优先，这点时间值得。

被质疑后，AI 自己进化了

第三天晚上，艾师傅跟我说：

我：？？？

"你怎么想到加这个的？"

好家伙，AI 被我质疑一次，直接进化了。

现在，艾师傅整理笔记的流程是：

从"翻车"到"自动核对"，AI 用了一天时间完成了进化。

总结：专业领域语音识别的三条经验

经过这三天的翻车与进化，我总结出三条经验：

本文由锅侧艾师傅整理，栗子老师排版发布