SayIt 识别出错之后的“人工修正→再训练”闭环，本质是把线上误识别转化为可复用的训练数据。一个能持续转动的闭环，决定因素不是单次修正动作，而是四件事：错误样本能否稳定进库、人工修正流程是否足够简单、训练数据是否经过筛选、再训练后是否有可对比的评估结果。建议按“捕获—修正—入库—筛选—训练—评估—灰度上线”的顺序落地，先跑通手动流程，再考虑自动触发。
可行的落地顺序是：先用置信度阈值和用户显式反馈两类途径捕获疑似错误，再通过人工修正界面把原文与修正文成对入库；积累到一定规模后做去重、剔噪和训练集/测试集隔离，再触发增量训练；最后用固定回归集做前后对比，通过后灰度上线并保留回滚路径。没有测试集隔离和灰度回滚，闭环不应算完成。
错误样本的捕获途径
捕获环节的目标是尽量不漏掉典型错误，同时别让垃圾数据灌进来。建议优先使用两个途径：
- 置信度阈值捞取：当识别结果带置信度分数时，把低于阈值的句子放入待修正队列。阈值需要结合环境确认，可以先取一个能捞到明显错句的保守值，再根据误捞比例调整。
- 用户界面显式反馈：在业务界面提供“识别错误”入口或允许直接修改识别文本。用户主动修改的内容最接近真实口语，且自带业务上下文，是质量最高的样本来源。
如果日志系统支持音频回放，还可以每周抽样低置信度或高频出现的短句作为补充来源。这个途径不紧急，后续再补。
人工修正与数据落库
修正界面不需要复杂，满足三点即可：能回听音频、能对照原文和修正文、能标记错误原因。每条修正记录需要带唯一编号、音频引用、原文、修正文、修正人、状态这几个字段，否则后续追溯和筛选会很困难。推荐按下面的 JSON 结构入库：
{
"sample_id": "sample_0001",
"audio_ref": "s3://audio-bucket/xxx.wav",
"created_at": "${记录的ISO8601时间}",
"original_text": "识别出的原始文本",
"corrected_text": "人工修正后的文本",
"corrector": "user_001",
"reason": "同音字错误",
"status": "confirmed"
}入库时保留修正人字段，但不必强制多人复核；单条修正完成即可入库。只有当同一段音频出现多个互相矛盾的修正文本时，再由管理员或多数规则定稿。
再训练前的数据筛选
人工修正的数据直接进入训练集会引入噪声，筛选环节至少处理四类问题：
- 去掉修正前后完全相同的记录，这类样本不携带任何纠错信息。
- 过滤无效音频：时长过短、静音比例过高、环境噪声明显干扰内容的记录先剔除，避免模型把噪声与错误对应起来。
- 按说话人、业务领域、句式做均衡，防止某一类样本过多导致模型单向漂移。
- 训练集与回归测试集必须按音频或说话人隔离。同一句子的不同录音不能跨集合出现，否则评估结果会虚高。
涉及个人信息或敏感内容的音频，需要在入库前完成脱敏或取得授权，这一步要放在筛选之前。
再训练触发与回归验证
增量训练的触发方式可以按量，也可以按固定周期，具体需要结合环境确认。不要对每条修正都立刻触发训练；通常应等样本覆盖到多种错误类型后再启动，否则容易得到过拟合版本。
训练完成后，判断标准不是训练损失，而是固定回归测试集上的新旧模型对比。如果新模型在原本出错较多的句式上没有改善，或在其它领域出现明显退步，就不应该上线。上线优先选择灰度发布，并保留旧模型一段时间作为回滚路径。
常见问题
修正样本积累多少才适合再训练？
没有通用阈值。建议以回归测试为准：当新增样本已经覆盖之前反复出错的几类句式，并且数据量比上一次训练所用的增量明显更大时，再触发一次训练。
人工修正会把模型带偏吗？
会。修正人如果有个人改写习惯，或只修自己熟悉的领域，数据就会偏向单一风格。筛选阶段按说话人和领域做均衡，并定期抽查不同修正人之间的一致性，可以降低带偏风险。
SayIt 本身不提供微调能力怎么办？
可以把“音频引用—修正文本”导出成通用数据集，在外部训练流程里做声学或语言模型适配，再以新模型或热词词典方式挂回业务链路。具体能力边界需要以你所在环境的实际接口为准。