人名與專有名詞一直辨識錯？讓校對規則從一次修正變成固定流程

逐字稿裡的一般句子大多看得懂，偏偏人名、品牌、型號或團隊內部縮寫一直出錯。修完一份之後，下一場錄音又要重修一次，很容易讓人以為只要換一個更大的模型就會解決。

但專有名詞的問題通常不只和模型大小有關。字詞可能很少出現在訓練資料、發音和常用詞接近，或者同一個音在不同團隊代表不同名稱。把名詞整理成可測試、可維護的校對流程，通常比盲目切換模型更有效率。

建一張精簡的名詞清單

先從最近幾份逐字稿找出反覆出錯的項目，整理四欄：

實際說法	正確寫法	常見辨識錯字	出現情境
產品／人名的發音	官方拼法	ASR 常輸出的文字	例如產品規格討論
英文縮寫	大小寫格式	被拆成一般英文單字	例如部署會議

只收集重要而且常見的字詞就好。一次列入太多不熟悉的詞，會讓提示難以維護，也不容易判斷設定到底有沒有幫助。遇到同音但意思不同的名稱，要一併記下上下文，避免只留下拼音。

先用短樣本測試，再決定要不要加規則

從真實素材挑一小段，最好包含相關名詞前後的完整句子。用相同語言設定與模型做一次對照，記下錯字出現的位置，再試著提供少量名詞提示。比較兩次結果，確認正確寫法是否變多，以及其他句子有沒有被影響。

提示詞可以提供主題和詞彙線索，但不能保證模型一定採用指定拼法。若錄音本身聽不清楚，或多個名稱發音非常接近，仍應回到音訊確認。

用字典處理反覆出現的固定錯字

如果辨識結果常把同一個文字片段錯轉成固定字串，Scribis 的標準字典可以設定鍵和值，將常見錯詞改為預期寫法。建規則時用明確、少歧義的完整片語，並先在包含前後文的句子中測試。

例如，一個團隊固定將產品名稱拼作「North Star」，可以把常出現的錯誤辨識結果設成鍵，再把標準拼法設成值。不要把太短、可能出現在一般句子裡的字設成通用規則，否則無關內容也可能被替換。

Scribis 的 字典與發音字典教學 有標準字典的設定畫面與測試方式。標準字典主要處理文字替換；發音字典則是發音設定，兩者用途不同。

哪些情況不能只靠替換規則？

以下狀況建議人工聽原音，不要讓固定替換規則代替判斷：

• 同一個發音可能是不同人名或產品名。
• 錯字不是固定一種，模型會依上下文輸出不同結果。
• 名稱只在極短片段出現，錄音含糊或被其他人聲蓋過。
• 日期、價格、序號等內容需要高度精確。
• 替換後的句子讀起來通順，卻可能改變原本意思。

校對時先播放名詞前後的整句，而不是只看辨識文字。聽不清楚就標記待確認，並保留原始音訊時間位置，讓下一位校對者可以快速回查。

把修正累積成團隊資產

每次完成校對後，把確定的拼法與反覆出現的錯詞補進清單，並記錄規則適用的專案或語境。定期檢查過時的產品名稱和可能撞詞的替換，再用一段代表性短音檔重測。

這樣的字典不會讓任何辨識模型變成百分之百正確，但能把已知、可重複的修正集中管理。遇到新的錯誤時，先判斷是收音、語言設定、模型，還是拼法規則造成的，再選擇相應處理方式。