低置信度路由：转写质量的分层兜底设计

批量转写场景里有个绕不开的矛盾：机器转写 95% 的段落没问题，但剩下 5% 的错误如果混进合同、纪要、客服质检这类下游，代价远超省下的人工。全量人工复核太贵，全信机器又不敢。解决方案是把引擎返回的置信度（confidence）当成路由依据，做分层兜底——这套设计我们内部叫"置信度路由"。

为什么置信度值得单独设计一层

多数转写接口都会返回逐句或逐词的置信度分数，但常见用法只是拿来做个统计报表。其实它最值钱的用法是分流：不同分数段的文本，走不同的处理通道，每条通道只花该花的钱和人力。

三层路由结构

直出层没什么可说，关键在后两层的设计。

二跳层是性价比所在。中置信段落通常错在专有名词、同音词这类"可修复错误"，两种二跳策略按成本选：换第二个转写引擎重转一次，取两版一致的部分（一致即高概率正确）；或者用大模型对着音频上下文做顺滑校正。实践中二跳能把这层里 60% 以上的段落修复到可直出。

人工层要做得足够轻。进队列的段落带上时间戳上下文（前后各一句），复核的人不需要听完整音频，只听对应片段——两小时录音的人工工作量被压缩到几分钟。

工程实现的关键点

阈值不是拍出来的，是校准出来的

0.9 / 0.7 不是魔法数字。正确做法：抽一批人工校对过的样本，画出置信度-实际错误率曲线，按业务容错度选阈值。合同类场景可以把人工层阈值提到 0.8，内部速记场景可以砍掉人工层。

置信度要校准后再比

不同引擎的置信度分布不同（有的引擎天然偏高），跨引擎对比前先做线性校准，否则路由会系统性偏向某一个引擎。

路由要有观测面板

三层的分流比例、二跳修复率、人工队列积压量，三个指标盯住。某天直出层占比突然掉 10 个点，通常意味着音频源质量变了（换了录音设备、会议室变了），这是比错误率更早的预警信号。

一段参考实现

def route(sentences, hi=0.9, lo=0.7):
    direct, second, manual = [], [], []
    for s in sentences:
        if s.confidence >= hi:
            direct.append(s)
        elif s.confidence >= lo:
            second.append(s)
        else:
            manual.append(s)
    fixed = second_pass(second)        # 二跳修复
    return direct + fixed, manual      # 成品 + 人工队列

小结

置信度路由的思路可以推广到几乎所有概率性 AI 能力的落地上：TTS 的发音校验、OCR 的低分块复核、翻译的回译一致性检查。核心是同一个判断——不要追求模型全对，把钱和人只花在模型没把握的那一小段上。我们用算邻坊的随心语音转文字跑这套分层，客服质检场景的人工复核量降到原来的二十分之一，而抽检错误率反而更低了：人工终于只看那些真正需要人看的东西。