被微信弄丢的“牛老师”
一句再普通不过的微信语音,把「牛老师」识别成了「刘老师」。为了弄清问题出在哪,测试从六位同事的不同口音,一路做到用文字转语音生成标准音频,再比对新老版本的表现。一次较真的排查,把语音识别里鼻边音混淆的成因拆到了具体环节。

故事始于一个坚信自己说“标准普通话”的东北人。那是一个普通的下午,一个普通的东北人发了一条普通的微信语音,内容是“我去找牛老师玩了”。
很可惜,微信将他口中的牛老师识别成了刘老师,在一个对普通话口音非常自信的东北人眼中,这无疑是一种挑衅。由于微信之父张小龙是湖南人,于是我们试图幻想,微信是不是也传承了某种乡音。(湖南方言不分鼻边音,很多湖南人在切换到普通话时,都会碰到LN不分的挑战,这里仅作事实陈述,没有要地狱黑的意思。)

如果微信真的能拥有祖籍和乡音就好了,这样它也将拥有乡愁,并且看在老乡的情面上,给同样祖籍湖南的刺猬公社更多推荐流量。
感谢九年制义务教育,我们显然不会真的认为,一个由代码组成的互联网产品能继承创始人的口音。所以回到现实世界,真正的问题在于,人耳听起来非常标准的“牛老师”语音,为什么会被微信识别成“刘老师”?分不清鼻边音的,到底是哪个环节?
我们做了几组测试,来逼近问题的答案。微信会弄丢“牛老师”,首先与发音标准度无关。
我邀请六位同事用微信给我发送“牛老师”语音,他们来自六个不同省份,每一句在转文字时都被识别成了“刘老师”。为排除发音干扰,我用TTS(Text To Speech)生成“牛老师”的音频文件,再反向发送到微信,结果依然被识别为“刘老师”。
随后,我找到了更直接的证据:使用微信的语音输入功能,“牛老师”起初可以被准确识别出来,但很快会被强行修正为“刘老师”。

显然,微信在第一时间可以识别出“刘”和“牛”在发音上的区别,但在后置的修订环节,却因为其他原因推翻了原本的声学判定。我尝试加重、拖长“牛”字的发音,或者把“牛老师”放在更长的上下文语境中,“牛老师”都会在被识别出后快速改写为“刘老师”。

在汉语发音中,鼻音N和边音L是很常见的一组易混淆音。N和L在发音时,口腔开合度和舌头位置都很接近,最大差异在于送气通道:发鼻音N时,气流从鼻腔流出;发边音L时,气流则从舌侧流出。感受送气通道有个很简单的方式,那就是把鼻子捏住之后,鼻音N无法发出,而边音L可以正常发出。
离开学校太久,我对那些将将及格的语言学课程实在记忆模糊,只剩下大大的疑惑:难道AI也LN不分?
但很快,我发现这个问题是微信独有的,市面上的大部分语音识别产品,都能明确分辨出“牛老师”和“刘老师”。我分别用豆包、Kimi、DeepSeek、千问等多款AI产品,及抖音、快手、小红书等产品的私信功能进行测试,结果显示,不管是独立的“牛老师”,还是拥有上下文的“你能分清楚牛老师和刘老师吗”,语音转文字的识别准确率都是100%。

上图为抖音;下图为快手
当我将测试范围扩大到整个编辑部,更有意思的现象出现了:有些人的微信会将所有“牛老师”识别成“刘老师”,而另一部分人的微信则可以准确识别所有“牛老师”。当这两拨人互相用语音发送“牛老师”后,同一条语音,会在他们各自的手机上被识别为“牛老师”和“刘老师”。为了方便区分这两拨人,我们分别将他们称为有牛同事和无牛同事。
随后,手机型号的影响也被排除了,同一个手机,同一个微信APP,登录账号不同,语音识别结果也不同。我们让有牛同事和无牛同事分别用对方手机登录微信,结果无牛同事在有牛手机登录后,依然盼不来“牛老师”,而有牛同事则在无牛手机上召唤出了“牛老师”。可谓命里有牛终须有,命里无牛莫强求,他们才是最应该喊“牛来”的人。
我们通过安卓手机的“应用分身”功能,在一台手机上同时登录两个微信账号,用无牛账号向有牛账号发送“牛老师”语音。同一条语音,在无牛账号的微信里被识别为“刘老师”,而在有牛账号的微信里被识别为“牛老师”。

同一台手机双开微信识别同一条语音,两个账号显示的结果不同
有识别问题的不止手机端微信。同一条语音,用同一台电脑登录同一个微信账号,版本更新前,微信电脑端可以准确识别出“牛老师”;升级到最新版本后,“刘老师”又顶号了。

同一条语音,电脑端微信版本更新前

同一条语音,电脑端微信版本更新后
故事发展到这里,伴随着上百句此起彼伏的“牛老师”和“为啥呀”,微信牛老师失踪疑云终于从编辑部闲聊的趣事,升级为一个值得认真探索的选题。
我们基本可以定位,微信在语音识别时,将发音准确的“牛老师”改写为错误的“刘老师”,是一个在近几次版本更新中引入的问题,且这一问题与设备ID无关,与用户ID有关。
为了搞清楚微信到底是怎么弄丢牛老师的,我们设计了一套包含35条测试用例的实验方案,主要考察上下文和词频对于指牛为刘的影响。和之前的测试一样,我们将35条测试文案用TTS技术生成语音,减少人为发音制造的变量。

根据测试结果,“牛老师”“牛总”“牛队长”“牛医生”等常见称呼更容易在微信语音识别中被二次篡改为“刘老师”“刘总”“刘队长”“刘医生”,而同样是姓氏+职业/称号的搭配,“牛同学”“牛律师”“牛部长”“牛厂长”则不会被二次篡改。
在语音实时识别中,“先出字再更改”是一种常见的现象。用户输入语音后,识别系统实时转译成文字,但获得更多语音信息后发现前面的转译结果有误,再回过头来修正错误结果。
举个更具体的例子,假设我现在就是一个语音实时识别系统,当我刚开始听到“mian[2]yang[2]”时,会先听写成更常见的“绵羊”;但当听到更完整的语音“mian[2]yang[2]wei[4]yu[2]si[4]chuan[4]sheng[3]”,我就会意识到前面听写错了,应该把“绵羊”改成“绵阳”。
技术上,这个过程可能发生在两个环节,一个是解码过程中的回退修正,随着语音的连续输入不断修正识别结果;另一个是单独的后处理环节,即一段语音输入中断后,通过重打分(rescoring)修正已经产生的识别结果。
还是用绵羊那个案例。我听到“绵羊位于四川”时,就已经可以意识到绵羊这两个字选错了,虽然语音还没停,但我直接将文字改为“绵阳位于四川”,同时继续识别后面的语音,这属于解码过程中的回退修正。而如果我先保留“绵羊位于四川省”,直到语音输入有比较明显的停顿,才回过头重新调整整句话的内容,则说明修改发生在单独的重打分(rescoring)环节。
根据测试,我们可以推测微信丢失“牛老师”发生在rescoring环节。从“牛老师”到“刘老师”的识别跳变发生在语音输入第一次停顿后,也就是说,如果我的肺活量够大,一口气一直说下去,就可以让“牛老师“在我的微信识别结果里坚持更久。

在前置的声学识别已经准确识别出“牛老师”的情况下,rescoring环节为什么会出现指牛为刘的情况?答案或许与近年来发展迅猛的大语言模型相关。
根据我对若干篇论文的粗浅学习,rescoring环节会用语言模型对流式识别产生的N-best候选集文本进行重打分,把整句话调整为“更有可能正确”的版本,这是声学模型+独立语言模型模式;一些团队也在做LLM原生语音识别模型,让大语言模型深度参与更前置的识别环节,不再区分解码和后处理阶段。
大语言模型在ASR(自动语音识别)的深度应用,可以在整体上提升文本的准确率,但同时也可能引入一个问题:那些高频词,也就是更有概率被说出来的词,会在这套系统中占有一定优势。在整体准确率提升的欢呼下,一些近似低频词的识别问题是被遮蔽的。
听起来太枯燥了,让我们回到被遮蔽的“牛老师”。
语音输入一句“牛老师”,负责听的那个角色说我听出来了,用户说的是牛老师,但是要给三个可能的选项,那我就给[“牛老师”,“刘老师”,“尤老师”],牛老师排第一;负责审的那个角色吃过一万吨中文语料,论出现频次,刘老师取得压倒性胜利,所以这个角色就想,咋可能呢,用户大概率是想说刘老师,我帮我同事改过来。
实际的技术方案显然不会这么简单,基于作为用户所能拿到的一切测试信息,我们只能将问题答案逼近到:微信当前使用的ASR在rescoring环节,会因为先验的词频问题,导致某些词被错误改写为更高频的近似词。例如“牛老师”会被识别成“刘老师”,“张小农”会被识别为“张小龙”。问题会在一部分微信账号上稳定复现,与设备无关,推测是新旧服务正在逐步切换导致的人群差异。

说起来,这对微信也不是什么大问题。微信失去牛老师,就像螃蟹失去自行车,海豹失去充气床。等等,由于大连的一只海豹非常喜欢在充气床上睡觉,所以充气床对海豹来说,可能比牛老师对微信更重要。
但对每一个被Bug( AKA feature )命中的牛老师来说,这意味着TA永远不能在微信对话框里,准确地把自己的称呼转成文字。学生和家长每发来一条带有“牛老师”的语音,牛老师就要改姓刘一次。
全国牛姓人口总数约为220万,根据教育部最新发布的统计公告,全国专任教师超过1840万人,简单计算一下,全国的牛老师大概有2.9万人。又因为我们正处于“老师”称谓的大膨胀时代,牛魔王来了都可能要被称一声“牛老师”,算上膨胀系数,全国会被称为牛老师的,姑且算作10万人。跟全国的刘老师数量没法比,但也值得一声准确的称呼。
写到这里,突然觉得,自己是不是对微信的产品体验太苛刻了?
社交媒体上每天都飘荡着“前端被裁笑话”。AI真正成为生产力的一年,也是众多APP线上Bug频出的一年,文字对不齐、图标上下飘、字体大小不一、弹窗挡住按钮、底部导航栏悬停在页面正中……
每一个让人啼笑皆非的线上Bug,放在若干年前都会换来一顿大复盘,产品、前端、设计、测试,将背好或者甩出各自的锅;而现在,Bug们就飘在线上,等用户截图发到社交媒体后,评论区会出现另一种分锅方式:这个Bug是因为前端被裁了;这个Bug是设计被裁了没人验收;这个Bug是测试被裁了没人测边界Case。

图源小红书
AI山呼海啸的时代,如果还存在互联网产品,愿意在乎一个影响到几万用户体验的问题,改掉一个对营收和利润无足轻重的bug,那我相信会是微信。
文|陈梅希 编|园长
本文由人人都是产品经理作者【刺猬公社】,微信公众号:【刺猬公社】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载
题图来自Unsplash,基于 CC0 协议
- 目前还没评论,等你发挥!

起点课堂会员权益




