◆Mercateer
部落格
對話分析轉錄通話轉錄語音分析逐字稿準確度通話錄音審核

對話分析轉錄:它揭示了哪些關鍵洞察

了解對話分析轉錄如何精確捕捉一般逐字稿容易忽略的時間點、話語重疊與停頓,並掌握驗證通話記錄的方法。

Marcus Bell
Marcus Bell
客服營運負責人

摘要在星期二晚上 9:12 送達您的收件匣。來電者、地址、工作類型、報價金額、預約時間。技術人員已經出發,金額已記錄在案,沒有人需要死記任何事情。

接著爭議就來了。屋主聲稱他們從未同意非營業時間的費率。您打開逐字稿,看到一句乾淨俐落的話:「當然,可以。」前面沒有停頓,中間沒有重疊,看不出事前曾有三秒鐘的沉默,也沒有來電者說了一半又吞回去的半個字。文字記錄在案,猶豫卻沒有。

字面記錄與互動記錄之間的差距,正是對話分析轉錄所要彌補的。它將逐字稿視為社會行動的呈現,而不僅僅是句子的整齊轉述。對工種服務業來說,這種差異會體現在報價金額、地址、緊急分流和取消條款等關鍵地方——也就是您最終必須依賴記錄且需要記錄站得住腳之處。

目錄

對話分析轉錄捕捉了什麼

直接閱讀一份對話分析逐字稿,看起來就像打字機壞掉了一樣。但若對照著符號說明閱讀,每一個標記都能解答您原本只能憑空猜測的問題。

特徵典型標記揭示的意涵
重疊對齊的行與匹配的 [ 括號合作性對話或過早插話
沉默計時的間隙如 (0.4) 或微停頓 (.)轉換點、猶豫或困難
話語截斷單字後加上連字號,如 wh-說話者中斷並改變話題方向
聲音拉長聲音後加上冒號,如 so::猶豫、勉強或強調
強調底線或大寫表明立場或緊迫性的重音
大聲或輕聲語音度數符號,如 °quiet°語氣或情緒力度的轉變
呼吸聲標記為 hhh 或 .hhh吃力、沮喪或表達時的停頓
緊接輪次等號 =下一位說話者無縫接話(無間隙)
輪次邊界每行標註說話者標籤誰該為下一個行動負責

以下是一通兩分鐘預約通話的呈現方式:

01 C: 那是 (1.2) 四:百八,對吧? 02 A: [對 03 C: =還要加零件費 04 A: °還要加零件費° .hhh

第 01 行在金額前出現了 1.2 秒的沉默,且數字發音帶有拉長母音。這不是一般的常規確認,而是來電者正在計算或對該金額感到難以接受。第 02 行顯示專員的「對」字在來電者的「對吧」下方開始,這屬於重疊語音,在這種情境下是合作附和而非插話。第 03 行的等號表示來電者毫無間隙地直接接話,緊咬著這一點不放。第 04 行降為度數符號(低語)並在限定條件前吸了一口氣,而這句輕聲的補充說明正是這通電話的風險所在。

這些標記法絕非隨興創作。對話分析轉錄源自 Harvey Sacks、Emanuel Schegloff 與 Gail Jefferson 對輪流發言機制的研究;正如轉錄慣例回顧文獻所述,他們在 1974 年發表的著作中,將自然對話中參與者組織輪流發言的方式正式化。Jefferson 在打字機上轉錄電話錄音時建立了她早期的標記系統,使用符號來捕捉停頓、語音重疊、聲音拉長、話語截斷、呼吸聲、重音以及語調變化。後來的系統(如 GAT2 和 cGAT)則將相同的原則推廣至其他語言。

這段歷史造就了一種即使您從不輸入任何括號也值得借鑑的區分。普通的正字法轉錄僅記錄文字;分析式轉錄則記錄參與者如何產生與協調輪流發言。基礎語音識別輸出完全屬於第一類,如果您想先了解該層面的運作機制,語音轉文字準確度解析介紹了在引入標記之前,識別器如何處理原始音訊。

對於工種服務業的通話記錄而言,有兩項特徵最為關鍵。沉默決定了疑難排解與預約通話的成效,因為在說出「我想那樣也可以」之前的停頓,與立即答覆代表著完全不同的意義。重疊則決定了投訴升級與同意的有效性,因為在專員話語底下同時說出的同意,與清楚單獨表達的同意不可同日而語。

文字呈現了說了什麼,而時間點與節奏則揭示了其真實含義。

轉錄工作流程如何將音訊轉化為證據

存放在電話中的錄音並不是證據。只有當有人能找到該行文字、引用時間戳並播放其對應的底層音訊時,它才會成為證據。這需要一套工作流程,而不僅僅是一個轉錄工具。

一張四步驟資訊圖表,說明轉錄工作流程如何將通話音訊轉化為安全、可搜尋的證據。

七個步驟

  1. 在取得同意的情況下錄音並建立穩定的通話 ID。 從報價到緊急標記,後續的每一個片段都能追溯至單一音訊檔案及其中的特定秒數。
  2. 分離說話者並標註每個發言輪次。 來電者、專員與技術人員各自擁有標籤,因為「已同意價格」由誰說出代表著完全不同的意義。
  3. 逐字轉錄。 保留贅字、自我修正與假開頭。經過修飾整理的逐字稿雖然讀起來流暢,但能回答的問題卻變少了。
  4. 加入時間資訊。 包含毫秒級的單詞或片段時間戳,加上語音重疊區間與停頓時長。正如關於互動轉錄的章節所述,當停頓本身就是被建模的變數時,以十分之一秒為單位的粗略視覺符號就顯得過於遲鈍。
  5. 針對每個片段評估信賴度分數。 不確定的片段會清晰可見,而不是混入看似可信的文字中。
  6. 擷取業務事件。 提供的報價、確認的地址、預約的時間以及緊急標籤。擷取功能為主管提供了可量化的數據,但絕不能取代底層的逐字稿。
  7. 交付兩種成果物。 將摘要與完整逐字稿提供給業務擁有者與值班技術人員。無論是已接聽、已轉接還是非營業時間的每一通電話,最後都會發送 SMS 或電子郵件摘要及完整逐字稿,這是任何人都能進行稽核的記錄基準。

雙層架構的作用

經得起檢驗的設計是雙層逐字稿架構。上層是技術人員在車上能透過手機快速瀏覽的易讀逐字文字,附帶行號與說話者標籤;底層則是機器可讀的中繼資料:說話者 ID、片段 ID、單詞時間戳、重疊區間、停頓時長、插話狀態與信賴度。

輕量級的標記層可以借鑑 Jefferson 慣例,而無需將每通電話都變成學術研究等級的逐字稿:用括號表示重疊、破折號表示中斷、括弧內的數字表示計時停頓、底線表示強調。其核心在於實用性。若來電者的「好」落在專員的句子中間,記錄就應顯示這句話是在該發言輪次中說出的,而不是在明確停頓之後。

互動訊號若逐字稿將其扁平化處理依賴該記錄前的人工檢查重點
同意時的重疊在專員說話當下表達的同意,看起來卻像是明確單獨的同意播放「好的」、「可以」或「繼續」前後的音訊區間
接受前的停頓猶豫消失,勉強的回答讀起來如同欣然接受聆聽接受報價金額前兩秒的音訊
中斷或自我修正「我可以約週四、週五」變成了錯誤的日期確認來電者最終完成的是哪一個版本
低信賴度數字地址、價格或回撥電話號碼看起來與清晰語音一樣可靠在派工前對照音訊核實數字
說話者標籤專員的承諾被誤認為來電者的要求重新指派發言輪次並重新確認誰承諾了什麼

將重疊語音扁平化並將停頓常態化的一般識別器逐字稿,可能會抹去關鍵證據——包括來電者是否完整表達了要求、專員是否過早插話,或是雙方是否彼此誤解。

測試方法: 將一份逐字稿交給某人,請他們找出客戶接受價格的確切時刻。如果他們無法在一分鐘內指出行號和時間戳,說明該工作流程缺少了一個層級。

在水電水暖通話中,相同的時間規則決定了案件分流。專員在報價前是否詢問了水源,以及答案是在沉默兩秒還是兩分鐘後給出,都會改變派工決策。專為水電工打造的 AI 接線員的可靠程度,完全取決於其所保留的時間節奏精準度。

每週在內部執行一次相同的檢查:挑選十通電話,對照逐字稿各行播放音訊,標記所有不一致之處,然後根據上表對遺漏進行分類。諸如 SDR 通話審查設定指南 之類的業務資料,主要價值在於證明固定的審查儀式勝過另一個儀表板;而工種服務業的版本則專注於聆聽價格周圍的停頓、重疊以及同意表達。

自動化逐字稿的真實準確度到底如何

字詞錯誤率衡量的是字詞。它無法告訴您誰打斷了誰、來電者在同意前是否猶豫不決,或者第二位說話者是否在第一位說話者還在說話時就開口了。這些才是企業採取行動時所需的細節。

重新定義這個問題的基準來自四位專業的對話分析轉錄員。根據 ERIC 收錄的信度研究 報告,每位轉錄員都收到同一通事先不知情、自然發生的電話通話,並獲得最多三個小時的時間來轉錄 2.5 分鐘的音訊。在該研究中,研究人員將資料拆分為涵蓋字詞、聲音、靜音、呼吸聲和笑聲的 1,827 個單位,然後針對最多 15 個轉錄維度進行評分。這些維度正是對話分析標記法旨在記錄的特徵:重疊、靜音、重音、話語截斷。

該研究發現,在說話者指定、單位順序、語意、正字法、話語截斷和爆破音方面,一致性至少達到 90%。音高、重疊、疑問語氣和微笑語音的一致性則降至 80% 至 89%。語速、拉長音、重音和語調的一致性則低於可接受門檻,除非將這些特徵簡化為「存在或不存在」的二元代碼。只有當轉錄員透過數拍而非使用碼錶計時來測量靜音時,靜音測量才達到可接受的信度(定義為 alpha 大於 0.70)。

四位專家、一通簡短的通話、每人耗費三小時。自動化工具處理的量要大得多,因此真正有價值的問題在於:哪些維度能在自動化處理下保持準確,哪些又需要人工介入?

各標註類型報告的一致性

標註任務報告的一致性對審核的意義
說話者指定90% 或更高無需再次聆聽即可信任誰說了什麼
單位順序與正字法90% 或更高字詞順序與拼寫可靠
音高與重疊80% 至 89%可接受,但需對照音訊進行抽檢
語速、拉長音與語調低於可接受門檻僅能作為「存在或不存在」的標記使用
轉換關聯位置中等在測量前需先定義編碼規則
反饋詞偏低具歧義;需人工檢查
打斷與非打斷測試中一致性最低的標籤需對照音訊裁定歧異
維持發言輪次 vs 輪次轉換(狹義任務)狹義定義下偏高一旦任務範圍嚴格界定便相當可靠
詞界轉換(狹義任務)接近完全一致一致性極高

該表格中的落差正是論點所在。在對話語料庫的標註工作中,轉換關聯位置的一致性處於中等水平,反饋詞的一致性較弱,而打斷標籤的一致性最弱;反之,若將任務限縮在轉換是否發生於詞界,則達到接近完全的一致性。將問題範圍縮小,一致性就會提高;將問題範圍擴大,甚至在模型介入之前,受過訓練的人員彼此之間就已經開始產生分歧。

因此,在為任何自動化系統評分之前,請先定義標註架構與裁定政策。接著,依通話條件分別報告準確度。互相搶話、嘈雜的工作現場音訊、電話品質音訊以及多語言互動各自會在不同環節出錯,而單一的綜合數據恰恰掩蓋了那些會影響派工決策的關鍵通話狀況。若想了解廠商如何呈現原始通話輸出,VoxNote 通話轉錄指南 展示了交付紀錄的實際樣貌。

哪些逐字稿錯誤需要人工審核

一份逐字稿讀起來可能通順無比,卻仍可能將拒絕扭曲成同意。刪除一個簡短的反饋詞、將重疊語音轉化為乾淨俐落的輪次,或是漏掉一次自我修正,這份紀錄就會變成通話中從未說過的話。

一張資訊圖表檢查清單,列出五種常見的轉錄錯誤,需要仔細的人工審核以提高準確度。

如 SPEAKABLE 工作坊論文集 所示,近期的研究針對 Whisper 測試了包含反饋詞、修正和填補性停頓等自發性對話現象,並得出結論:對話語音需要超越傳統轉錄準確度的評估方式。字詞錯誤率的評分可能看起來很漂亮,但互動層面的實質內容卻早已消失無蹤。

需要人工檢查的通話關鍵環節

通話關鍵環節主要逐字稿風險審核規則
報價數字或幣別聽錯派工前務必對照報價紀錄核對
來電者地址街道名稱與門牌號碼錯亂複誦並驗證每一個地址
設備型號型號代碼被拆分或拼錯對照工作單核對
緊急狀況徵兆漏掉瓦斯味或水損相關詞彙標記為需立即人工審核
同意與授權同意意願與其他語音重疊紀錄中必須有明確且無歧義的同意
取消條款費用或預先通知期在重疊發言中遺失審核每一通討論過條款的通話
技師指示門禁進出備註或特殊指示遺漏在抵達前與技師確認

前兩項帶來的金錢損失最大。錯亂的地址會讓工程車開到錯誤的街道,而聽錯的價格會引發請款發票上的爭議,這就是為什麼通話中給出的報價必須與紀錄中的報價完全一致。第三和第四項屬於安全相關項目,值得當天進行檢查,而不是等到每週審核。

週一早晨的分流順序

按照以下順序處理待辦通話,別再憑空猜測:

  • 低信賴度片段優先。 讓信賴度分數來進行排序,而不是憑記憶猜測哪通電話聽起來怪怪的。
  • 說話者標籤與擷取事件之間的分歧。 如果擷取資訊顯示來電者已接受,但逐字稿顯示是技師在接受,那麼擷取內容就是錯的。
  • 任何被標記為緊急狀況的項目。 瓦斯味、正在發生的水損以及嚴寒天氣下無暖氣的來電,絕不能等待批次審核。
  • 接著處理例行抽樣。 抽查少數一般預約並對照音訊確認,能確保整個處理流程的真實可靠。

超出智慧助理規則的通話可以直接轉交給老闆或值班技師,並預先發送上下文,讓接聽者一開始就掌握地址和問題,而不是只聽到語音信箱的問候語。而且因為企業可以自行錄製問候語、撰寫劇本腳本、隨時開啟或關閉智慧助理、在實際上線前進行測試,並在通話後聆聽任何錄音,審核習慣完全掌握在您手中,而非受制於廠商。

處理多語言與帶口音的通話

雙語服務通話很少只停留在單一語言中。來電者以英文開頭,用西班牙文說出街道名稱,然後切換回英文聽取價格。紀錄必須保留每個發言輪次以及語言之間的轉換;單純一段工整的英文段落,可能會掩蓋語意發生轉變的關鍵時刻。

一位專業的客服人員使用耳機和筆記型電腦進行即時多語言通話轉錄與分析。

「Sobre de veinte años vieja」告訴您熱水器的年限。「Twenty-year-old unit」用價目表能理解的語言傳達了相同意思。把支援西班牙文僅當成勾選選項,無法幫您實現這兩者之間的無縫轉換。

根據 肯恩大學(Kean University)對 ASR 模型的評估,一份 2025 年的評估報告指出,ASR 效能因說話者的語言和口音而異,許多系統都圍繞標準英語進行最佳化,對非母語和地區口音的錯誤率較高。對於帶口音和地區特色的語音,準確度通常會下降,而對話上下文往往能改善識別效果。在這些特定條件下進行直接測試,遠比單一基準測試更具參考價值。

逐字稿標記至少應識別說話者、每個輪次的語言、任何重疊以及停頓的位置。如果來電者在聽到英文街道名稱後用西班牙文進行修正,該修正必須保留在來電者的發言輪次中。一份被抹平為純英文的逐字稿,可能會讓人誤以為是客服人員獨自解決了問題。

在信任它之前該測試什麼

從第一個字就進行語言識別是起點,其餘則是流程:

  • 從第一個字識別語言。 來電者不應該為了讓人聽懂而必須「按 2」。
  • 建立工種詞彙庫。 型號代碼、品牌名稱、閥門尺寸和當地街道名稱都應納入自訂詞彙庫中。
  • 分開評估姓名、地址、價格和緊急指示。 單一準確度數值會掩蓋最容易導致回撥重複確認的關鍵類別。
  • 單獨測試帶口音的英語。 來電者可能始終使用同一種語言,但姓名或地址仍可能辨識遺失。
  • 將高風險細節導向雙語人工審核。 任何跨語言通話中可能引發回撥的欄位,都應由第二雙耳朵進行確認。
  • 測試句中語碼轉換以及問候時的切換。 報價和地址在這種情況下特別容易出錯。

將此標準應用於 雙語代接電話服務。Mercateer 的智慧助理從第一個字開始就使用來電者的語言對話,無需保留等待,並能在來電者於句中切換為西班牙文時隨之切換;摘要、逐字稿和行事曆預約則保持為英文。關鍵在於語意是否能在語言切換、混合工種術語以及重疊語音中完整保留,以及企業該如何查驗該結果。

評估決策的測試很簡單。挑選五通帶有您目標市場口音與語言的真實通話(包括在句中切換語言的通話),然後進行轉錄。針對姓名、地址、價格和緊急指示進行評分,而不是依賴整體的字詞準確度。一個平均分數很高但在街道名稱辨識上出錯的系統,在派工時只會幫倒忙。

將逐字稿轉化為每週檢核例行流程

以下三通通話展示了逐字稿如何改變結果。這三通電話都極具代表性,且每一通都對應到服務業每週都會處理的常見情境。

九點的報價。 來電者詢問報價金額是否包含非上班時間費率。逐字稿顯示了客服專員提供的金額,以及來電者在片刻後的接受回應。技術人員帶著雙方同意的金額抵達現場,且發票金額完全吻合,因為每一通電話都經過轉錄與摘要,通話中給出的報價就是紀錄中的報價。

滴漏已有一段時間。 屋主在停頓了近兩秒後說「已經漏了一陣子了」。時間戳記顯示了專員是否按正確順序詢問了瓦斯味與水損問題,以及該停頓是出現在回答之前還是之後。這樣的順序正是分流為緊急事件與常規預約之間的關鍵差異。

取消手續費爭議。 客戶表示從未被告知提前通知期。逐字紀錄一眼就能解決爭端,費用的收取與否取決於實際說了什麼,而非任何人的片面記憶。負責人可以聆聽任何通話並查閱每份逐字稿,這正是兩者兼存的意義所在。

多元的專業團隊在可俯瞰城市景觀的現代化辦公室中協同進行數據分析。

每週例行檢視

每週一次,每次三十分鐘,由負責該門號的主管執行。每通通話在掛斷後的數秒內,都會產生一則 SMS 或電子郵件摘要加上完整的逐字稿,因此資料早已準備就緒。

  1. 挑選與營收和風險最密切相關的七個通話關鍵時刻。 通常包括:提供報價、確認地址、預約時間、緊急狀況徵兆、客戶同意、取消條款以及技術人員指示。
  2. 抽取部分逐字稿樣本,標記出逐字稿與錄音不一致的每個片段。 僅做標記,不要直接修改。找出規律模式比修正個別錯誤更為迅速有效。
  3. 統計出現在這些優先關鍵時刻的錯誤數量。 拼錯街道名稱遠比遺漏一個「嗯」嚴重得多,統計數據應能如實反映這一點。
  4. 對低信賴度片段與緊急標記進行當日檢查。 其他事項則可留待每週例行檢核時處理。
  5. 確認報價金額與實際口頭陳述完全一致。 逐行核對逐字稿與價目表,而非憑通話記憶核對。

在進行任何修改前,先追蹤第一個月的統計數據。接著將發現回饋至通話話術與價目表中,因為在同一個問題上反覆出現的「轉錄錯誤」,本質上往往是話術問題。改變數字的表達方式,聽錯的情況就會消失。

無論名稱為何或由誰銷售,用於工種服務業通話的每個平台都應參照這份清單進行檢驗。這份清單無關乎供應商,它關注的是紀錄在面臨爭議時能否站得住腳。

如果您的非上班時間通話經常出狀況,評估非上班時間接聽服務時,正應依據這五項檢核標準,而非單看接聽速度。


Mercateer 為工種服務業提供全天候電話接聽服務,依據您專屬的價目表報價、直接排入您的行事曆,並在每通電話結束後數秒內發送 SMS 或電子郵件摘要及完整逐字稿,確保來電者同意價格的瞬間皆有時間戳記記錄在案,而非僅存於某人的回憶中。當通話超出規則範圍時,系統會預先傳送背景脈絡並將任務轉交給值班技術人員,事後您也可以隨時聆聽任何錄音檔。歡迎造訪 Mercateer,親身體驗這些紀錄如何在您實際的通話中發揮成效。

分享

讓 AI 智能體站在第一線面對您的客戶

用您的知識庫加以訓練,今天下午就能上線。

免費開始使用