ASRC的全称是“自动语音识别纠错”（Automatic Speech Recognition Correction），但这个词在行业里其实有两副面孔。一副是学术论文里的算法模块，另一副是工程师嘴里那个“让语音识别结果别那么离谱”的补丁工具。我第一次接触ASRC是在一个智能客服项目里，当时用户对着电话说“我要改签明天下午三点去上海的票”，语音识别引擎返回的文本是“我要改签明天下午三点去商海的票”。商海？上海。就一个字的偏差，整个意图理解全歪了。

ASRC要干的事，就是把这个“商海”拽回“上海”。它不负责听声音，那是ASR（自动语音识别）的活。ASR把声波转成文字，但转出来的东西经常带着口音、噪音、同音词混在一起的烂摊子。ASRC接在ASR后面，像一位校对编辑，拿着上下文、语言模型、领域词典，去猜哪些字写错了，然后改掉。

但别把它想得太智能。大多数ASRC系统本质上是在做概率替换。比如“商海”和“上海”在拼音上都是“shang hai”，ASRC会看前后词：“去商海”和“去上海”，哪个在语料库里更常见？显然是后者。于是它把“商海”改成“上海”。可如果用户说的是“我去商海集团开会”，ASRC可能就懵了——它得判断这里的“商海”是不是一个公司名。所以好的ASRC得带领域自适应能力，不能只靠通用语料。

我见过一个做医疗语音转录的团队，他们的ASRC模块里塞了八万条药品名和科室术语。医生口述“患者服用阿司匹林肠溶片”，ASR可能输出“阿司匹林肠融片”。ASRC要能识别“肠融”是错的，改成“肠溶”。这靠的不是通用语言模型，而是他们自己维护的药品词典。这个模块每天要处理三千多条语音记录，纠错率大概在92%左右。剩下的8%里，有一半是医生说话太快导致ASR丢字，ASRC根本无从改起——它只能改字，不能补字。

另一个容易混淆的点：ASRC和NLP纠错不是一回事。文本纠错面对的是已经写好的句子，错别字、语法错误都有明确规则。ASRC面对的是语音识别输出，错误模式完全不同。语音错误往往是同音、近音、吞音造成的，比如“四”和“是”，“刘”和“牛”。而且ASR还会输出一些根本不存在的词，比如“我需药帮助”——“需药”不是词，ASRC得把它改成“需要”。这种错误在文本纠错里很少见，因为人打字不会打出“需药”。

实际部署ASRC的时候，最头疼的是延迟。语音交互要求实时，ASR出结果后，ASRC得在几百毫秒内完成纠错，否则用户等不及。有些团队为了速度，只做规则替换，不做语言模型打分。效果就是“快但糙”。另一些团队用神经网络做重打分，准确率上去了，但延迟飙到一两秒，用户体验直线下降。我见过一个折中方案：先用规则快速过滤明显错误，再用小模型对候选做重排。这个方案在车载语音里跑得还不错，因为车载场景的指令相对固定，词典可以做得比较窄。

ASRC不是万能药。如果ASR本身错得太离谱，比如把“打开空调”识别成“大凯空掉”，ASRC再厉害也救不回来。它更像一个补丁，补的是ASR和下游任务之间的裂缝。裂缝小的时候，ASRC几乎无感；裂缝大的时候，ASRC也兜不住。所以真正做语音交互的团队，往往把精力花在提升ASR前端——麦克风阵列、降噪、声学模型——而不是指望ASRC来擦屁股。但话说回来，只要ASR还会犯错，ASRC就有存在的理由。毕竟用户不会管你中间用了什么技术，他们只关心最后那句“已为您改签明天下午三点去上海的票”是不是真的做到了。