语音转写 API 怎么测：时间戳、说话人、热词和隐私留存比“文字正确”更关键

会议纪要、客服质检和访谈整理都在使用语音转写 API，但“平均字错率”不足以判断能否上线。业务真正依赖的往往是时间戳能否对应音频、说话人能否稳定区分、专业词能否正确识别，以及失败后是否会留下不该保存的录音。

建立贴近业务的音频集

测试集应包含安静单人语音、多人交叠、口音、电话压缩、背景音乐、专业术语、数字与中英文混读。每段样本保存人工参考稿和关键事件时间点，例如“客户确认价格”“出现投诉关键词”。这样可以分别计算文本准确度、事件召回和时间偏移，而不会被平均指标掩盖。

说话人标签不能只看数量

检查同一说话人是否被拆成多个标签、两人是否被合并，以及中途插话后的归属是否稳定。对于客服或合规场景，错误归属比漏一个标点严重得多。若服务没有真正的说话人分离能力，接口和前端都应明确标注，不能以猜测的角色名误导使用者。

时间戳与热词的验收方式

把每句开始、结束与参考时间对齐，分别统计中位偏移和长尾偏移。对产品名、姓名、项目号等热词，测试自定义词表是否改变其他普通词的识别。还要验证词表提交失败、语言自动识别错误和超长音频分段时，系统是否给出可恢复的状态。

隐私与成本同样是接口能力

明确原始音频、分段文件和转写结果各自的保留期、加密方式及删除接口。上传使用短时凭证，结果回调签名校验，避免将含敏感内容的音频 URL 写入日志。通过 top-api.cc 统一调用多个转写服务时，可按任务类型记录时长、语言、失败原因与实际成本，而不必在业务侧散落多份密钥。

发布前检查

• 关键事件的时间偏移符合业务容忍度；
• 说话人错误会被标记为低置信而非伪装成确定结果；
• 热词、标点和数字在目标语言组合中回归通过；
• 取消任务后音频与临时结果按规则清理；
• 回调重复、超时和分段重试不会生成重复记录。

当你需要对比模型时，优先比较同一批真实但已获授权的脱敏样本。这样选出的 API 才能在生产环境稳定服务，而不只是演示中“听起来不错”。