热词定制提升专有名词识别率：接入与调参实践

语音识别的通用模型对日常对话的准确率已经很高，但业务落地的第一周就会被同一个问题撞一下：专有名词。产品代号、内部系统名、客户公司名、人名——这些词在训练语料里出现频率低，被识别成谐音的概率极高。「云枢平台」变成「云书平台」，「Q3 拉通」变成「可爱三拉通」。这篇文章整理热词定制（hotword / customization）从接入到调参的完整实践。

热词为什么有效

热词机制的本质是在解码阶段给指定词的 Language Model 概率加权：音频声学特征相似时，带加权的目标词更容易在候选中胜出。它不改模型本身，所以生效快、可随时换表，适合业务词频繁变化的场景。

第一步：热词表设计，比调参更重要

实践里 70% 的热词效果问题出在表设计上。四条原则：

第二步：接入与权重调参

以算邻坊的随心语音转文字接口为例，热词在提交转写任务时随请求传入，每个词可带 1~10 的权重（数值越高，识别时越倾向输出该词）：

words = [
    {"word": "云枢平台", "weight": 10},   # 核心产品名，最高权重
    {"word": "拉通", "weight": 6},        # 高频行业词，中权重
    {"word": "ES8 自动标注", "weight": 4}  # 长尾工具名，低权重
]

task = api.create_task(
    audio_url=meeting_url,
    hotwords=words,
    language="zh"
)

权重调参的经验值：从 4~6 起步，逐级上调。一上来全给 10 会出现"热词劫持"——不相关的音频段也被强行匹配成热词，整体准确率反而下降。判断权重是否过高的方法很简单：拿一段完全无关业务的热词测试音频转一遍，看热词是否凭空出现。

第三步：生效验证，别省这一步

热词配完必须做回归验证，两组用例：

1. 正向集：包含热词的标注音频，验证识别命中率（目标：核心词 ≥95%）；
2. 负向集：不含热词的日常音频，验证通用准确率没有回落。

只测正向不测负向，是热词上线后整体识别率悄悄劣化的最常见原因。

常见误区

• 把热词表当词典堆：超过建议规模后边际收益快速递减，还会拖慢解码；核心词优先，长尾词靠转写后处理兜底；
• 权重当开关用：权重是概率偏置不是布尔值，「要么识别要么别识别」的诉求应该靠改写词本身或换读音变体解决；
• 英文缩写不标读法：缩写按字母读还是按词读，不同引擎默认行为不同，测试用例里都要覆盖。

小结

热词定制是识别率优化里投入产出比最高的手段之一，但它的收益上限由表设计决定：少量、高频、真正易错的词配合理梯度权重，再用正负两向用例守住回归。把这套流程固化进发布环节，业务黑话的识别问题基本可以在上线前消化掉。