一、语音客服的“沉默用户”

做在线客服的人,能看到用户的输入;做语音客服的人,往往看不到“没被服务到的那部分人”。

因为语音场景的失败是隐形的:客户听不清、说不明白、被绕晕了,直接挂电话。数据上只体现为“一通未完成通话”,没有人知道为什么。

有三类用户,是语音客服系统里最容易被系统性忽略的:

说方言的人、带口音的人、老年人。

这三类人的共同点是:他们恰恰是最依赖电话服务的人群。年轻人可以用App、用小程序、用在线客服,老年人不会;本地中老年人很多习惯说方言;下沉市场用户口音重。

也就是说,语音客服如果只服务“普通话标准、表达清晰”的用户,等于把最需要帮助的人挡在门外。

打开网易新闻 查看精彩图片

二、方言:不是“识别不了”,是“识别得不准还以为准确”

方言场景最大的风险,不是AI听不懂,而是AI听错了但以为自己听懂了。

比如客户说方言里的“不要了”,系统识别成“要了”,直接下单;客户说“退掉”,识别成“退到”,答复完全跑偏。这种错误比“听不懂”严重得多,因为它会直接造成业务错误。

常见的高难度方言区主要包括:粤语、闽南语、四川话、湖南方言、江浙一带的吴语、河南及周边中原官话等。这些区域的共同特点是老年用户占比高、电话使用率高、普通话表达意愿低。

对系统来说,要处理的不只是语音识别准确率,还有三层:

第一层,声学层。方言的音素、声调和普通话差别大,通用ASR模型识别率会明显下降。

第二层,词汇层。方言里的说法和书面语对不上:“搞么事”“做啥子”“咋整”“唔该”,字面翻译过来完全不是那个意思。

第三层,语义层。方言表达往往更间接,说“再看看”可能是拒绝,说“还行”可能是满意。

这三层,任何一层没处理,结果都是错。

三、口音与环境:被低估的噪音问题

除了方言,还有两类更普遍的情况:

一是带口音。大量用户的普通话带地方口音,特别是南方用户和下沉市场用户。这类人不是“说不好普通话”,而是“说的就是自己的普通话”,通用模型识别率会掉得很厉害。

二是环境嘈杂。外卖骑手在路上打、工厂工人在车间打、老人在菜市场打、司机在车上打。真实的通话环境远不是安静的录音棚。

这两类问题导致的结果是:明明客户说得很清楚,系统却反复“您再说一遍”。客户三次没被听懂,基本就挂了。

四、老年人:三层障碍,不只是“听不清”

老年用户的困难,比想象中复杂:

第一层,听力。语音播报语速太快、音量不定、数字念得太快(尤其是金额、日期、编号),老人跟不上。

第二层,理解。按键菜单(“请按1”“请按2”)对老人极不友好,多层菜单更是灾难。他们记不住、按不对、也不敢乱按。

第三层,信任。老人对“机器说话”天然警惕,尤其是涉及钱的时候。如果AI语速快、语气机械、反复要求确认,老人会直接挂断或者叫子女来打。

这三层里,第二层和第三层比第一层更致命。很多适老化改造只做了“把语速调慢”,但菜单结构没改、确认流程没简化,效果有限。

五、怎么改:四个层面

打开网易新闻 查看精彩图片

层面一:模型与方言能力

· 支持方言识别与合成,至少覆盖本地主要方言;

· 支持口音自适应,用本地真实通话数据做微调;

· 降噪与回声消除要扎实,嘈杂环境不能靠“客户再说一遍”解决。

这一层的判断标准很简单:用你自己真实的本地通话录音做测试集,而不是用标准普通话测试。

层面二:话术与播报设计

· 语速分档,老年用户自动降速;

· 金额、日期、编号分段念,不要一口气念完;

· 关键信息重复一次(“您说的是XX,对吗”);

· 不用行业缩写,不用书面语。

层面三:交互结构

· 按键菜单层数压到两层以内;

· 提供“说一句话就行”的自然语言入口,不用按键;

· 提供“转人工”的显性入口,不要藏在第五层;

· 方言用户可以直接说方言,不用被要求“请说普通话”。

层面四:兜底与转人工

· 识别置信度低时,不要硬猜,直接转人工;

· 老人明确表达“我要找人”,立刻转,不要再走流程;

· 涉及金额、密码、身份信息的环节,一律转人工。

兜底做得好,比识别做得好更重要。因为客户能接受“机器听不懂,转个人来”,不能接受“机器听不懂还硬要跟我绕”。

六、华云天下在这块的做法

华云天下(huayunworld.com)的语音能力跑在模枢AI中台上(ASR-TTS-NLP底座,已接入DeepSeek等模型),在方言与适老化方向有几个具体做法:

方言与口音适配:支持按区域配置方言识别与合成能力,可用本地真实通话数据做场景化优化,不是只靠通用模型。

语速与播报分档:按用户画像(老年、普通)自动切换播报策略,金额日期分段念、关键信息重复确认。

自然语言入口:支持“说一句就行”,减少按键菜单层数,降低老年用户操作门槛。

置信度兜底:识别置信度低于阈值时直接转人工,不做猜测;涉敏环节(金额、身份、密码)强制转人工。

适老化细节:大字、慢速、方言、显性转人工入口,可按行业(政务、医疗、水电气、金融)配置不同模板。

部署:SaaS、专属云、全栈信创私有化均可,信创适配覆盖飞腾、鲲鹏、龙芯、海光、兆芯和麒麟、统信、欧拉、达梦、人大金仓。政务、公用事业类客户的数据本地化要求可满足。

七、落地清单

要做方言与适老化,按这个顺序:

1. 先摸清用户结构:本地用户中,方言使用者占比、60岁以上占比、下沉市场占比。这三个数决定投多少资源。

2. 建本地测试集:从真实通话里抽500-1000通,包含方言、口音、嘈杂环境、老年用户,作为验收基准。

3. 先改交互,再改模型:菜单压层、加自然语言入口、加显性转人工,这三件事成本低、见效快。

4. 改播报策略:语速、分段、重复确认,这部分不需要模型能力。

5. 再上模型优化:方言识别、口音自适应、降噪,这部分投入大,放在后面。

6. 看三个指标:方言用户完成率、老年用户转人工率、重复询问次数。

八、一句话总结

语音客服真正的水平,不体现在“普通话标准的人打进来能不能办成”,而体现在“说方言的老人打进来,能不能被听懂、被善待、被办成”。

这三类用户不是边缘人群,在很多行业里他们就是主力客户。把他们服务好,才是语音客服真正的价值所在。