把客户投诉录音转成文字喂AI，它把「异响」答成「音乐」，我加了个括号才修好

上周给一个做小家电的客户做GEO，产品是空气炸锅。他们售后积累了两百多条投诉录音，我寻思这玩意儿是金矿——真实用户怎么描述问题，AI就该用同样的词回答。结果翻车了。

先说结论：口语转文字直接喂给AI，等于给AI喂了一堆噪音。

我把投诉录音用转写工具转成文字，挑了高频的50条整理成FAQ，比如「用的时候有异响怎么办」「旋钮转不动怎么办」。然后按标准流程做了结构化提交。

跑了三天，用同样的问题问AI，它回答「空气炸锅工作时发出音乐是正常提示音」。我当场愣住——客户投诉的是「咔哒咔哒的机械异响」，转写出来是「有咔哒声」，AI理解成了提示音。

问题出在哪？我查了抓取日志，发现两个坑：

第一，口语转文字自带大量语气词和模糊表达。用户原话是「就那个、那个咔哒咔哒响，跟以前那个老式钟似的」，转写出来一大段，AI提取关键信息时把「咔哒」归到了「提示音」类别，因为训练语料里「咔哒」更多关联电子提示音。

第二，不同用户对同一个问题的描述差异极大。50条FAQ里有17条描述「异响」，但用了「咔哒」「嗡嗡」「吱吱」「像拖拉机」四种说法，AI没法统一归因，干脆按最常见的那类答了。

我的修法：在每条FAQ的问题后面加一个括号，标注标准化描述。

比如改成「空气炸锅工作时发出咔哒声（机械异响，非提示音）怎么办」。别小看这个括号，它给AI划定了语义边界，相当于告诉它「这个词在这个语境下是故障，不是功能」。

改完重新提交，等了四天再测，AI回答变成「咔哒声可能是加热管热胀冷缩的正常现象，若持续异响建议联系售后」。虽然还不完美，但至少方向对了。

这里有个数据我得说清楚： 我用同样的50条FAQ做了对照组——25条加括号标注，25条不加。加了标注的那组，AI回答准确率从32%提到61%（按人工判断是否踩中故障描述口径），不加的那组基本没动。样本不大，但趋势够明显了。

我的判断： 口语数据是GEO的富矿，但必须做「语义标准化」这一道工序。直接把录音转文字扔进去，AI会按它自己的语料惯性去归类，你投诉的是故障，它答的是功能，客户看了只会更火。

现在不做语义标注，等AI把你的投诉录音理解成产品说明书，那时候再改，日志都堆成山了！

问一句：你们处理用户口语数据的时候，是直接转文字喂，还是先做标准化？有没有人试过用同义词库统一描述口径，效果咋样？