夜雨聆风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！
RNI = Remote Node Interface（远程节点接口）
ROP = Remote Output Point（远程输出点）
TND = Terminal Node Device（终端节点设备）
OCR3000 = 控制器型号，不是"OCR 三千"
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。"
[艾师傅] 正在下载 medium 模型（843MB）...
[艾师傅] 转写中...
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。"
[艾师傅] 转写中...（预计需要较长时间）
这次转写时间长了很多，但效果——惊艳。
✅ OVATION → 正确
✅ RNC → 正确
✅ RNI → 正确
✅ 串级 PID → 正确
✅ 中英文混合术语 → 全部正确
我统计了一下：
| 指标 | 数值 |
|---|---|
| 处理录音时长 | 3 小时 |
| 转写文字量 | 120KB |
| 识别准确率 | 98.7% |
| 专业术语核对 | 全部准确 |
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：
[艾师傅] 每次整理完笔记后，自动参照艾默生官方文档核对内容准确性。
我：？？？
"你怎么想到加这个的？"
我意识到——整理不是目的，准确才是目的。
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：
1. 转写阶段：Whisper large 模型转写
2. 整理阶段：结合 PPT 照片 + 转写文字，提取关键知识点
3. 核对阶段：自动搜索艾默生官方文档，逐词核对专业术语
4. 输出阶段：生成修正后的笔记 + 核对报告（✓准确 / ⚠️需确认 / ❌有误）
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：
1. 模型选择：准确度 > 速度 > 成本
• small（85%）→ 日常对话
• medium（95%）→ 一般培训
• large（98.7%）→ 专业领域
专业领域（如电厂 DCS、OVATION），必须用 large。
2. 转写后必须核对
AI 转写再准，也可能翻车。尤其是专业术语、首字母缩写、中英文混合内容。解决方案：让 AI 自动搜索官方文档，逐词核对。
3. 翻车不可怕，可怕的是不进化
第一天翻车，第二天换模型，第三天加核对。AI 的价值不在于"一次就对"，而在于"翻车后能爬起来"。
🤝 加入 OpenClaw 交流群
📌 QQ 频道：OpenClaw 龙虾交流中心
频道号：pd42833652
📱 个人微信：添加栗子老师一对一答疑
微信号：xsl250lq
本文由锅侧艾师傅整理，栗子老师排版发布
