C7.15.3Chunk boundaries splitting sentences设计研究
分段处理长语音时，段落边界可能切断语义完整的句子
别名: 切段边界 · sliding window · 句子切断
概念解释
长音频被切成多段分别识别时，刀口很少刚好落在句号上。段落边界可能切在从句中间、否定词之后、数字没说完。每一段在自己的上下文里解码，拼回去的文本会在刀口处出现断裂、重复或错词。分段保住了长度，却可能毁掉语义完整的句子。
机制
固定时长窗口不管句法。带重叠的滑动窗试图在重叠区对齐，仍会在低能量但非句末的地方切开。每段有自己的语言模型前缀，后半句看不到前半句的主语，代词和否定的作用域被切断。拼接若只做字符串相连，刀口两边的部分词（一个汉字被切成两半的倒不常见，一个英文词或一个多音节中文词的声学却常被劈开）会变成删除加插入。这与端点过早截断不同：两端音频都还在，错的是切的位置和上下文丢失。语义端点本可以提供更好的刀口，但为了赶上限，实现常常用墙钟切片。
怎么研究
把已知句边界的长口述按不同窗长和重叠切开，对齐拼接结果与整段解码。专门统计刀口落在句中的比例、否定和数字被劈开的次数。比较“在静音处切”与“固定秒数切”。不要只用朗读新闻，口语从句更长。
边界
字幕允许在短语边界换行，观众能补全；可执行命令被切成两半则可能执行前半。人工事后校对可以修刀口，实时系统不能。重叠很大时重复词需要去重，去重本身会删掉故意重复。单段从未超过上限时，这条切段机制不会启动。
怎么落地
- 切片优先落在较长静音或语义端点，而不是整秒处一刀。
- 拼接时保留重叠对齐，并在 UI 上标出不确定的接缝，方便用户改。
- 对命令禁止跨段执行：一段不完整就等到下一段或让用户确认。