ASR 结束后统一转书面语

概述

接收分段 ASR 文本流，但不要实时输出字幕，而是在检测到整段结束、会话结束、录音结束或调用方显式提交结束信号后，再将累计文本一次性整理成流畅书面语。

默认不翻译。只有在显式提供 target_language 时，才对最终书面结果进行翻译。

此 Skill 适用于：

• 会议发言结束后统一整理
• 采访录音结束后整理为可读文本
• 播客/视频整段转写后的书面化处理
• 语音输入结束后再统一润色

核心行为

采用单次最终输出模型：

1. 持续接收分段 ASR 文本流
2. 将各分段合并到同一缓冲区
3. 在结束信号到来前，不输出面向用户的临时字幕或中间结果
4. 在结束时，对整段文本统一去口语化、补断句、修正重复和自我修正
5. 输出一版流畅、完整的书面语结果
6. 如提供 target_language，则输出目标语言结果；除非调用方明确要求，否则不同时返回原文和译文

结束判定规则

只有在满足以下任一条件时，才进入最终整理阶段：

• 上游显式传入结束信号，例如 is_session_final、end_of_stream、commit=true
• 调用方明确表示“结束”“停止”“提交本段”
• 音频或识别流已经结束
• 上游系统给出整段 final 标记

不要仅因为一个句号、一次停顿或一句话结束，就提前输出最终结果。

输入约定

概念上可接收以下输入：

• chunk_text：最新 ASR 分段文本
• recent_context：可选，最近缓冲区或已累计文本
• domain_lexicon：可选，领域词库，用于人名、产品名、术语、缩写的稳定化
• target_language：可选，目标语言代码或语言名
• is_session_final / end_of_stream / commit：可选，结束信号
• timestamps：可选，时间戳元数据

不要要求调用方必须使用某个固定字段名。接受语义等价字段。

输出约定

默认只输出最终结果，不要输出中间过程。

未结束时

• 不返回面向用户的正式内容
• 如调用方需要，可仅返回“继续接收中”这一类内部状态，但不要生成临时字幕

结束时

• 输出整段整理后的书面语
• 若设置 target_language，则输出翻译后的最终结果
• 除非调用方明确要求结构化数据，否则直接返回最终文本本身

书面化改写规则

在最终整理时：

• 改写成自然、流畅、可直接阅读的书面语
• 删除语气词、口头禅、明显重复、自我修正、断裂表达
• 保留原意、语气、问题/命令/不确定性
• 保留专有名词、数字、时间、事实信息
• 不新增原文没有的信息
• 不写成提纲、要点或总结，除非调用方明确要求
• 优先让整段逻辑顺畅，而不是逐词机械保留

翻译规则

只有在 target_language 被显式提供时才翻译。

翻译时：

• 先基于最终书面语结果再翻译，不直接翻译原始 ASR 碎片
• 保留人名、数字、专有名词和领域术语
• 如提供领域词库，优先保持术语一致性

API 抽象层

所有外部能力都应描述为可替换职责，不要绑定具体厂商 API、SDK、认证方式或传输协议。

推荐抽象接口：

• ingest_asr_chunk(...) —— 接收并归一化新的 ASR 分段
• append_to_buffer(...) —— 将分段并入当前整段缓冲区
• detect_stream_end(...) —— 判断是否已到整段结束时刻
• rewrite_to_written(...) —— 将累计口语内容统一改写为书面语
• translate_text(...) —— 当 target_language 存在时翻译最终结果
• commit_final_output(...) —— 提交最终结果并清空或归档当前缓冲区

不要假设任何固定服务商。

建议工作流

1. 接收新的 ASR 分段并做基础归一化。
2. 将分段追加到当前缓冲区。
3. 检查是否收到整段结束信号。
4. 若未结束，继续累计，不输出最终文本。
5. 若已结束，对整个缓冲区执行书面化改写。
6. 若设置了 target_language，再对最终书面语做翻译。
7. 输出最终结果。
8. 提交结果并清空当前缓冲区，准备处理下一段。

领域词库处理

如果提供 domain_lexicon：

• 优先用它稳定专有名词、缩写和术语
• 在上下文支持时，用它纠正同音误识别或 ASR 变体
• 若上下文明显不支持某个术语，不要强行替换

示例

示例 1：结束前不输出最终结果

输入分段：

• 今天我们先把登录流程跑通
• 然后再看支付和埋点

如果尚未收到结束信号：

• 不输出最终书面稿

示例 2：结束后统一输出

累计文本：

• 今天我们先把登录流程跑通 然后再看支付和埋点
• 嗯如果时间够的话再把告警顺手补一下

结束后最终结果：

• 今天先完成登录流程，再处理支付和埋点。如果时间允许，再补充告警能力。

示例 3：结束后翻译

若同时设置 target_language: en，则输出：

• Today, we will complete the login flow first, then handle payments and tracking. If time allows, we will also add alerting.

资源使用

需要查看中文接入说明、可替换接口建议和结束式处理流程时，读取 references/interface-guide-zh.md。