无参考文本的测试集，更需要约束“看起来合理”的冲动。
导航方言识别不仅要处理口音和地名，还要避免生成循环、整句重复、异常长度和异常字符。测试集缺少真值时，人工把文本改得更通顺并不能证明 CER 更低。
Problem
批量推理可能因 CUDA 进程退出丢失长时间进度；单一解码策略对异常样本不够稳健；同时不能让重试、后处理或地名规则变成不可追踪的黑箱。
AI · ASRPythonWhisperOffline
让离线语音识别在异常时可恢复、可回退、可审计。
项目面向川渝导航语音，当前路线冻结为 Whisper-small 稳健推理：正常样本一次解码，异常结果受约束重试，仍失败时回退旧模型，再经过确定性规范化与质量门禁生成结果。
Requirements
推理结果必须同时满足格式、质量和可追溯性。
异常可识别
检测单字死循环、短语循环、整句重复、异常长度与异常字符速率。
运行可恢复
固定分片计划，完成一个分片立即保存；恢复时跳过已通过校验的分片。
输出可审计
分别记录重试、模型回退、文本规则、质量失败与最终构建校验。
Architecture
把稳健性放进正式推理链路。
每一步都有明确输入、失败路径和持久化证据。
01 · SHARD固定分片
测试音频按计划拆分，支持断点恢复。
02 · INFER主模型识别
正常样本使用一次贪心解码。
03 · GUARD异常检测
识别重复、长度和字符异常。
04 · RETRY重试 / 回退
受约束重试，必要时加载旧模型。
05 · BUILD规范化与校验
生成 JSONL、审计与 SHA-256。
Technical decisions
控制变量，比盲目增加模型更重要。
冻结模型路线
当前不再继续训练，避免测试集输出反向影响模型或规则。
按需加载回退模型
只有重试仍异常时才加载旧 Whisper，避免两个模型长期占用显存。
确定性后处理
safe 档只处理导航、叫车、车型和常见术语；实验性地名规则保持独立。
构建阶段再验证
最终输出重新检查 UTF-8、JSONL、ID 对应、字段集合和明显生成异常。
Challenges & solutions
失败路径也必须是工程流程的一部分。
| 挑战 | 解决方式 | 留下的证据 |
|---|---|---|
| 生成循环与整句重复 | 动态长度上限、beam search、no-repeat n-gram 与重复惩罚重试 | robust-audit.jsonl |
| GPU 任务意外退出 | 分片子进程、自动降为 batch size 1、有限次数重试与 Resume | plan.json + 分片 predictions |
| 后处理误改风险 | safe / extended 候选隔离，规则逐条记录，不人工挑句 | correction-audit.jsonl |
Results
当前结果证明的是稳健性链路，不是未经验证的准确率。
5 条异常诊断当前 README 记录的严重异常均经过真实 GPU 诊断
4 + 14 条由受约束重试恢复，1 条交给旧模型回退
可恢复分片成功分片即时保存，中断后不重做已校验工作
准确率边界：项目没有在无标注测试集上公布 CER，也不会把“读起来更通顺”当作准确率证据；最终效果仍需正式评测验证。
Screenshots & evidence
为架构、审计与结果准备多图展示位。
占位图仅说明建议素材类型，不代表识别结果或性能。
1 / 3
可使用按钮、分页圆点或键盘左右方向键切换。