引用逐字校验是幻觉治理的底线
质检报告里的每条「原话引用」必须逐字命中转写文本，服务端二次校验，编造的引用直接丢弃并记入 warnings——宁可少报一条问题，不能出现一条假证据。
00:0008:43
02:14政策口径「48 小时退款」与制度 72 小时不符↗ 跳转
05:37服务态度出现安抚语，情绪由激动转平稳↗ 跳转
07:52风险升级客户提及「投诉到平台」，触发升级预警↗ 跳转
报告样式示意；页面下方为真实质检报告，问题可点击跳转录音位置
6 通（3 主案例 + 3 边界）
测试通话
3 个（政策口径 / 服务态度 / 风险升级）
质检维度
17 条（引用 8 篇制度）
规则条目
可交互样例
每条质检结论，都能跳回原话
选择一通测试通话，点击问题或风险即可定位录音。测试音频为合成样例，不使用真实客户隐私数据。
模拟测试通话，非真实客户录音
加载报告…
如何实现
从输入到交付的完整链路
客服质检主管 / 客服组长 · 每天大量通话录音，人工只能抽检，口径是否准确、客户情绪是否升级全靠事后回忆
- 01
音频切分与时间轴
ffmpeg 静音检测切段，合并过短片段、超长硬切并标记，逐段记录起止时间
- 02
逐段转写
MiMo ASR 分段识别，空段与重试占比过高时标记质量降级
- 03
规则质检
MiMo LLM 按橙果制度输出结构化报告；引用逐字校验，无法命中的条目自动丢弃并记入 warnings
- 04
报告呈现
波形 + 话轮 + 评分 + 问题/风险列表，点击跳转到对应秒数；支持导出 JSON 与 Markdown
之前：人工抽检少量录音，结论无证据、不可回溯
之后：全量自动质检，每条结论带原话、时间与制度出处
关键判断
不只是做出来，还要知道为什么这样做
用 TTS 合成测试用例做回归
真实客服录音涉隐私且不可复现。TTS 合成 6 通典型通话（口径错误/抢话/噪音等），每通带预期断言，改一行代码跑一遍就知道有没有把对的改坏。
切分交给 ffmpeg，不交给模型
静音切分是确定性任务，规则算法又快又稳；LLM 只做它擅长的语义判断。让每个环节干自己最擅长的事，链路才既准又省。
技术栈、技能原件与运行信息
技术与 AI 调用链
模型：mimo-v2.5-asr（语音转写）、mimo-v2.6-flash（质检分析）、mimo-v2.5-tts（测试通话合成）
框架：FastAPI、ffmpeg 静音切分、Pydantic 报告校验、pytest 端到端回归
链路：录音 → 静音切分/计时 → MiMo ASR 逐段转写 → MiMo LLM 规则质检 → 引用校验 → 报告 JSON
提供本地可运行版本，启动方式见项目文档；公开页面不展示本机目录。
可复用场景：客服通话质检、会议纪要与待办提炼、培训录音检查
继续验证这个项目
看真实产出，或回到看板比较其他 AI 能力。