录音 8000 Hz 喂给 16000 Hz 模型 识别全乱 重采样怎么写 陆零云 2026-11-11 10:31:38 37 0 客服通话的离线转写,上游给的是裸 PCM,16 位小端、单声道,我们按 16000 Hz 直接塞进 ASR 模型。转写出来的文本大段错字,语速听着快了一倍,时间戳整体偏移,十分钟的录音只出五分钟的字。 第一反应是模型不行,从 base 换到 large-v3,错字少了些,语速还是不对。又怀疑前端录音参数,查了录音端配置是 8000 Hz,电话线路本来就是 8k 采样。也就是说字节流一直是 8k,我们却按 16k 解释,样本点被当成两倍速播放。 试过在模型侧...