专有名词与数字串是可懂度最先失守的地方
别名: 专名可懂度 · OOV TTS · 数字串听不清
概念解释
句子整体听得清，不等于载荷听得清。药店取药机念「请报取药码 B7Q4，阿托伐他汀」，周围的「请报」「取药码」都能被补全，字母数字和药名却最先掉。专有名词和数字串几乎没有上下文约束，是可懂度曲线上最先失守的位置。整句词错误率可以看起来还行，因为高频功能词把平均分撑住了；真正要带走的那几个符号已经错了。
机制
封闭类词和高频词有语言模型和词汇通路托底，元音糊一点也能从句子里捞回来。「请输入」听成「请您输入」不影响任务。人名、药名、确认码几乎是开放词汇：B 和 D、15 和 50、李和黎，上下文帮不上忙。字母里的 E 集（B D E G P T V Z）是电话通道上的老问题；数字的协同发音会把相邻位黏在一起。专名还常走一套更弱的字音转换，训练里没见过的姓氏会被念成「像那么个音」。所以失败不是匀着发生在每个词上，而是集中在没有冗余的那一段载荷。
怎么研究
把语料拆成载体句 + 载荷。载体是固定句式，载荷轮换为人名、药名、金额、字母数字码。只给载荷单独打分，不要用整句正确率交差。因变量是载荷识别率，以及字母、数字的混淆矩阵。自变量包括通道带宽（宽带对电话）、听者是否认识那个专名。
熟悉名字的听者（开方的医生、熟人）会把失败点往后推，走访取药的人不认识药名，测的才是最坏情况。MOS 在这里几乎无用：人可以觉得「念得挺自然」同时把确认码写错。不要编造某引擎「专名正确率百分之多少」。
边界
载荷同时出现在屏幕上，听错可以拿眼睛补——那是另一条通道在托，不证明音频载荷过关。声调语言里只靠调区分的姓，会比非声调语言更早失守。刚刚自己键入过这串码的人，工作记忆里有一份模板可以做匹配；走上来就听播报的人没有这份模板。把句子念慢一点能救一点数字，但救不了字音转换本身就是错的专名。
怎么落地
- 评测必须单列人名、药名、金额、确认码，禁止只用整句词错误率给「可懂」签字。
- 确认码不要只靠再快读一遍；提供第二通道：屏幕再显示、短信重发、或允许用户念回来核对。
- 字音转换错了的姓氏进词表，不要指望听者「猜一下」。
- 验证：取真实确认码和药名各二十条，听完只写载荷。载体句全对、载荷错，就是这个失守点，不是引擎整体差。