针对常见的分轨、背景音过滤、方言、业务术语等识别问题。
常见效果问题
录音文件采样率不匹配导致的效果问题
一般来说，ASR模型识别率均有一定的保证。如果在所有情况下语音识别都不准确，或者识别率很低，需要确保录音文件的采样率（8k或者16k）与调用时设置的采样率参数（8k或者16k）保持一致，否则会影响ASR识别效果。图中通用模型为中文8k通用模型。
怎么查看音频文件的采样率？
可以使用常见音频编辑软件如Audacity查看音频文件的采样率，也可以使用开源命令行工具FFmpeg查看。
语音识别太灵敏、无效声音（噪音等）被识别出了文字怎么办？
可以通过设定非人声噪音过滤阈值(参数speech_noise_threshold)来修改VAD噪声阈值。
参数区间是[-1，1]，取值越小越灵敏，可能会有更多噪音被当成语音被误识别；取值越大，可能更多语音段会被当成噪音而没有被识别。例如设为0.8，如果仍觉得太灵敏，可以继续尝试设置为0.9。如果发现有丢字、漏识别，需要将该值调小，例如0.5、0.2甚至是-0.2等。
远场识别为什么会经常丢字？如何提高远场识别效果？
这是因为远、近场的VAD阈值不一样，建议可以通过设定非人声噪音过滤阈值(参数speech_noise_threshold)来修改VAD噪声阈值。参数区间是[-1，1]，取值越小越灵敏，可能会有更多噪音被当成语音被误识别；取值越大，可能更多语音段会被当成噪音而没有被识别。例如设为-0.2，如果丢字现象仍然比较严重，可以继续调小至如-0.3、-0.4；如果发现较多噪声被误识别了，也可以适当调大，例如-0.1、0等。
有些词汇总是识别不准怎么办？
在某些情况下，确实存在某些词汇识别不准的情况，如人名、地名、特定业务名词。针对此现象（下面以词汇“微贷”为例），我们建议有：
添加热词
创建质检任务时，选用具体热词
训练定制语言模型
创建质检任务时，选用定制语言模型
对于使用录音文件识别服务，如果是合轨录音（单轨录音）造成识别不准确。
对于客服有固定回复话术的情况，可以设置关键词来识别客服轨道，如在数据集管理中，可以上传录音文件（单轨），然后根据客服的固定回复话术来识别坐席身份。
在通过API发起质检任务时，autoSplit设置为1，serviceChannelKeywords设置为坐席区别性比较高的关键词。具体参考UploadAudioData - 上传音频质检
如果客服没有固定的回复话术，建议采用分轨进行存储。
录音文件识别存在一次请求后返回两次相同的结果的情况吗？
此类现象大部分是由于用户提交的语音文件是双声道，且两个声道语音内容相同造成的。如果是这种情况，属正常现象，可以提前处理录音文件将重复的声道去掉，只识别首个声道即可解决。
离线语音质检能自动区分坐席和客户吗？
语音识别引擎只能区分出说话的不同角色，角色对应的身份引擎是无法识别的，需要用户从业务的角度自行判断。建议您在存储录音时按照角色分类存储，同时发起质检任务时，指定轨道角色。
在通过API发起质检任务时，autoSplit设置为0，serviceChannel设置为坐席的轨道、clientChannel设置为客户的轨道。具体参考接口文档
在数据集管理中测试分轨效果时，针对双轨录音可以指定轨道。
离线语音质检是否支持多种方言
支持，创建质检任务时，可以选择具体的语言模型，如果列表中的语言模型不满足要求，可以联系阿里云工程师添加。
离线语音质检和实时语音质检分别支持哪些语音格式？
语音识别服务支持哪些采样率？
一般支持8000 Hz、16000 Hz的采样率。 电话客服场景通常是8000采样率，如果是手机App、PC端工具、网页H5类场景，通常是16000 Hz采样率（可能会有32、44k采样率，但开发时需要调用方将采样率调整为16k）。其他采样率的录音数据需要预先自行转码。
其他问题
如果人噪被误识别，此问题很难解决。噪声模型优先考虑只要是人发出的声音就会被送入ASR识别。
如果非人噪被误识别，您可以多收集一些噪声数据，提供给阿里云进行噪声模型优化。
如果波形幅度不大，能量过低，造成识别数据丢失，可能是由于音量太小被噪声模型当成噪声处理。建议调整收音设备，或减小说话人与收音设备的距离。
如果波形幅度过大能量过高造成识别错误，可能是由于音量太大被截幅而语音失真，造成识别错误。建议调整收音设备，或者说话人离收音设备远些。
如果频段信息不完整，可能会造成识别不准确，ASR模型的标准训练数据要求为频段完整的8K/16K采样率数据。建议确保频段信息完整的基础上，对识别不准确的地方使用语言模型训练功能进行优化。
如果使用了热词，业务专属热词的权重不宜过高，权重太高可能会引起语句被截断，导致后续语音无法进行识别。
针对一般的识别错误，可以使用语音模型优化，将识别不佳的句子（非单个词）进行多复制几遍的操作。
出现“吞音、辨识度不高、听不懂”等情况无法解决时：
如果存在方言和重口音，可能由于ASR的训练数据覆盖不全造成识别错误，请联系阿里云工程师进一步评估。
如果有大量的重口音（非方言）识别需求，请联系阿里云工程师进一步评估。