目标说话人模式的比较输入
目标链路 → 最终句段音频 → 对比模型 → 句段下方结果
使用目标说话人链路实际产出的音频，不重新录制整场或把非目标音频送给对比模型。角色模式和目标模式分别回归，避免模式切换后保留错误结果归属。
Appearance
Skip to content
跳到项目内容模型对比与热词体验工作台01 / 01 主识别确定最终句段及角色，音频片段被复用到对比 Provider。两条输出在界面关联，主链路不依赖对比启用。
AI 产品/阶段发布
语音模型 Playground
逐句比较模型结果的体验工作台
01
核心业务
Playground 面向语音模型体验与接入调试，包含实时识别、会议角色和目标说话人页面。增加对比 Provider 时，输入音频、切分和角色条件需要保持可解释，否则界面并排显示的文字不能说明差异来自哪里。
页面将第三方识别放在主链路最终句段下方，复用对应音频范围。用户可关闭对比，主识别模式与协议保持既有行为；同一模式的角色结果、时间和对比文本在界面中关联。
- 模式与音频
- 普通实时、角色和目标说话人有不同音频范围，比较前先确定句段来源。
- 模型接入
- 主模型与对比 Provider 分开处理，第三方输出不会改写主识别结果。
- 结果阅读
- 逐句呈现主文本、说话人和可选对比文本，降低切换页面核对的成本。
02
技术栈
- 界面
- JavaScript · HTML / CSS · 音频输入
- 实时协议
- WebSocket · 逐句结果呈现
- 模型接入
- Amphion ASR · 豆包 Seed-ASR 2.0
- 业务适配
- Provider Adapter · 角色 / 目标说话人句段
03
系统架构与部署
浏览器页面
JavaScript / 音频采集 / WebSocket选择模式、展示逐句结果并持久化对比开关。
主识别
ASR / 角色与目标说话人接口确定业务句段、音频范围和主结果。
对比 Provider
豆包 Seed-ASR 2.0 / Adapter对同句段调用真实识别接口，将结果追加到主文本下方。
04
核心业务链路
对比失败不改变主识别
主结果独立返回；可选对比 → 独立状态与追加文本
对比默认关闭，启用后作为逐句附加内容。主识别的角色、终态和文本保持既有协议，第三方输出以独立来源呈现。
05
关键机制与取舍
界面比较建立在音频区间上
不同模型自行断句时，结果的数量和范围并不相同；拿两段看起来相似的文字比较会掩盖输入差异。
主链路先确定最终句段，再复用该段音频调用对比 Provider。页面按句段关联结果，角色和目标模式分别限定音频来源。
用户可以沿同一段语音查看差异，界面比较仍不替代有标注数据的准确率评测。
增量扩展保留原模式行为
增加第三方模型容易把新的失败和延迟引入既有识别路径。
对比是可选附加能力，关闭时保留原协议和主页面行为；开关在实时页和会议页共享，刷新后仍可恢复选择。
新 Provider 的接入成本集中在适配与结果展示，不要求用户换一套识别工作台。
06
实践成果与验证
同一音频段
比较输入
使用最终句段范围，而不是对齐两份独立断句文字。
角色 / 目标
模式覆盖
两种模式分别检查对比结果归属与界面呈现。
可选 Provider
扩展方式
对比开关与主识别状态分开。
- 模型接入与交互设计共同解决比较输入、结果归属和重复操作问题。
- 实时与会议页面以增量方式加入对比能力，保留主链路业务语义。
继续浏览
别急，先让缓存热一下。