Step Audio 3 在客服质检里能承担的部分，通常集中在“把录音变成带时间戳和说话人标记的文本”这一步，产出物是给质检员看的草稿，不是判定结果。真正需要先划清的边界是：哪些录音连转写这步都不该交给它——多人重叠严重、背景音压过人声、涉及金额承诺或合规表态的片段。判断顺序建议固定为三步：先列出质检流程里全部涉及语音的环节，再按音频质量和说话人数量分级，最后给每一级写死人工兜底的触发条件。
适合交给 Step Audio 3 的，一般是单人清晰语音和说话人可分离的两人通话，产出带时间戳、说话人标记的文本草稿，供质检员定位问题片段；不适合的是多人重叠、背景音强、涉及金额或承诺表态、需要逐字留痕的场景。落地做法是先按音频质量与说话人数量给场景分级，再为每级写明人工兜底条件，用抽样复核回填分级表。转写文本只作线索，不作处罚或结论依据。
列出质检流程里所有涉及语音的环节
只盯着“通话录音转写”会漏掉一半边界问题。先把候选场景找全，每个场景都记下输入音频的三个特征：时长、说话人数、是否有背景音，这三个字段后面直接决定分级。
- 呼入/呼出通话录音：时长多在几分钟到十几分钟，两人为主，链路稳定时背景音轻，但可能夹带场所噪音。
- 语音留言、语音消息：几十秒到两分钟，单人，背景音不可控，常见于用户在路上录制。
- 坐席内部交接语音备注：十几秒到一分钟，单人，通常在办公区录制，有同事说话声。
- 工单里用户上传的语音附件：长度不定，单人或多人家属代说，背景音最不可控，可能出现音乐、电视声。
- 外呼回访录音：两到五分钟，两人，偶有第三人插话。
- 多坐席会议或三方通话：十分钟以上，三人及以上，重叠发言多。
- 质检申诉时坐席提交的情况说明录音：一到三分钟，单人，但坐席往往语速快、带情绪。
把这些环节写进一张表，标上“当前由谁处理、平均每天多少条”即可，不必追求精确统计，用近一周的实际单量做量级判断就够。
按音频质量和说话人数量给场景分级
分级不是给模型打分，是给“这条录音值不值得先跑一遍自动转写”定门槛。建议用清晰度、口音程度、多人重叠三个维度组合成 A/B/C/D 四级，其中 A、B 可以进自动流程，C 先转写但要强制人工复听，D 直接不进自动流程。
| 级别 | 清晰度 | 口音/重叠 | 典型例子 | 处理方式 |
|---|---|---|---|---|
| A | 人声明显高于背景音，链路无丢帧 | 单人，口音平缓 | 系统内回访录音、语音留言 | 自动转写，抽检复核 |
| B | 轻度背景音，个别词听不清 | 两人，偶有短重叠 | 常规客服通话 | 自动转写后人工校对关键片段 |
| C | 背景音与人声接近，存在截断 | 三人及以上或重叠频繁 | 三方通话、会议录音 | 可转写，但逐条人工复听 |
| D | 人声被淹没、采样质量差 | 无法稳定分离说话人 | 现场录制、带音乐的用户上传件 | 不交自动流程，直接人工处理 |
口音程度不要凭印象判定，落地时用“同一坐席近一周被质检标记为听不清的次数”这类可查字段做近似，需要结合环境确认阈值。
对每个场景写出人工兜底条件
兜底条件要写在流程前面，而不是等转写结果出问题再补。条件是“触发即转人工”，判断依据尽量用转写服务自身返回的字段和音频元信息，避免依赖人工感觉。
| 触发条件 | 由谁接手 | 记录在哪里 |
|---|---|---|
| 说话人分离结果只有一段，但音频疑似多人 | 质检员人工复听 | 质检工单的人工复核字段 |
| 重叠片段占比超过本地标定阈值 | 质检组长 | 分级表备注列 |
| 命中合规关键词，如承诺、赔付、退款金额 | 合规复核岗 | 合规复核队列 |
| 音频有效时长不足，或存在大段静音、截断 | 质检员按无效样本登记 | 无效样本台账 |
| 用户已升级投诉，涉及责任认定 | 质检主管 | 投诉工单关联记录 |
下面是一段通用路由骨架，字段名以实际接口返回为准，阈值需要本地标定后再填：
{
"route": "qa_audio_pipeline",
"steps": [
{"id": "probe", "desc": "读取音频元信息：时长、声道、采样率"},
{"id": "diarize", "desc": "说话人分离，输出 speaker 段列表"},
{"id": "transcribe", "desc": "转写，保留逐段置信度与时间戳"},
{"id": "grade", "action": "按规则打 A/B/C/D"},
{"id": "fallback_check", "action": "命中任一条件则 need_human=true"}
],
"fallback_conditions": [
{"when": "speaker_count > 2", "to": "质检组长"},
{"when": "overlap_ratio > THRESHOLD", "to": "质检员复听"},
{"when": "hit_compliance_keywords", "to": "合规复核"}
]
}把这段配置放进质检任务的入口处执行，跑完后检查 need_human 标记是否落库，这是最容易漏的一步。
用抽样复核验证分级是否站得住
分级如果只是拍脑袋写的，两周后就会被坐席推翻。抽样复核要按级别固定抽条数，而不是按比例，保证 C、D 级样本量够看。抽样时跨坐席、跨时段，避免集中在同一个人或同一班次。
-- 抽样列表骨架：每级各抽固定条数
SELECT scene_grade, record_id, agent_id, start_time
FROM qa_audio_index
WHERE scene_grade IN ('A','B','C','D')
ORDER BY random()
LIMIT 20;复核时至少记录这些字段：场景分级、音频时长、说话人数、重叠片段数、人工修正字符数、是否触发兜底、复核人、复核日期、结论。结论回填到分级表有三种动作：保持原级、调整级别、从原场景里拆出子场景。只要某级抽样里出现“同一子场景反复被判错”，就把它拆出来单独定级，而不是整级下调。
把暂时不做的场景写进流程说明
边界固定下来才有意义。建议用一份单独的说明文档，结构保持稳定，方便每次只改其中一节：适用范围与不适用范围、场景清单与分级表、暂不纳入自动处理的场景及原因、人工兜底触发条件、复核记录存放位置、重新评估条件。
重新评估不是定期例会上的口头讨论，而是由具体信号触发：业务新增了语音入口；某个场景的音频来源发生变化，比如用户上传件的录制环境整体改变；复核记录里某场景连续多次出现同类误判；转写链路的配置或音频前处理方式发生调整。出现这些情况时，先小批抽样复核，再决定是升级该场景的分级，还是继续留在暂不做清单里。
已经进自动流程的场景，也建议保留人工抽检通道，避免出现“转写没报错就默认没问题”的惯性判断。