22种方言都能听懂：亲线语音识别技术如何让老人"说家乡话就行"

一个真实的测试场景

我们的测试工程师小李，是东北人。他把亲线手机递给 72 岁的奶奶，说：“奶，你说一句’给小李打电话’试试。”

奶奶张嘴就来：“给小李打电话！“——一口标准的东北大碴子味，“电”字读成”垫”，“话”字带儿化音。

三秒钟，视频通了。

奶奶愣了一下，然后笑了：“这玩意儿行啊，东北话也能听懂？”

小李告诉她：“奶，它能听懂 22 种方言呢。”

奶奶说：“那你姥姥那四川话，它也能听懂？”

小李说：“能。”

奶奶说：“那你姥爷那广东话，也能？”

小李说：“也能。”

奶奶说：“那行，这玩意儿比你强，你四川话就听不懂。”

小李：……

为什么方言对老人这么重要

很多人觉得，普通话普及这么多年了，老人应该都会说。

但实际情况是：中国 60 岁以上的老人，超过 60% 日常主要说方言。

• 农村老人，几乎全部说方言
• 城市老人，很多也说方言，尤其是跟老伙计聊天的时候
• 即便是会说普通话的老人，一着急、一激动，脱口而出的还是家乡话

我们在调研中遇到过一位 75 岁的四川奶奶，她跟我们说：“我也会说普通话噻，但是一着急就说不利索，还是四川话顺口嘛。”

如果一款老人产品，只能听懂普通话，那对这位奶奶来说，就是**“关键时刻用不了”**。

老人最需要语音助手的时候，往往是着急的时候——身体不舒服了、想孩子了、遇到问题了。这时候，你让她”请说普通话”，她可能就放弃了。

所以，亲线从第一天起，就把方言识别作为核心功能来做。

不是”支持几种方言”的锦上添花，而是”22种方言全覆盖”的基本要求。

亲线支持哪些方言

目前，亲线支持以下 22 种方言：

基本上，只要你能叫得出名字的汉语方言，亲线都能听懂。

方言识别，难在哪里

很多人觉得，语音识别不就是”把声音变成文字”吗？普通话能识别，方言为什么不行？

其实，方言识别的难度，比大多数人想象的大得多。

难点一：发音差异大

同一个字，不同方言的发音可能完全不同。

比如”电话”：

• 普通话：diàn huà
• 东北话：diàn huà（带儿化）
• 四川话：diàn huà（“话”读成”fà”）
• 广东话：din waa（完全不同的发音）
• 上海话：di gho（入声短促）
• 闽南话：tian ue（声调不同）

如果语音模型只学过普通话，听到”din waa”，根本不知道是”电话”。

难点二：词汇差异大

不同方言，不仅发音不同，用词也不同。

比如”孩子”：

• 普通话：孩子
• 东北话：孩子、娃
• 四川话：娃儿、幺儿
• 广东话：仔、细路
• 上海话：小囡、囡囡
• 闽南话：囡仔、囝仔

老人说”给幺儿打电话”，模型如果只懂”孩子”，就识别不出来。

难点三：语料数据少

普通话的语音识别，有海量的训练数据——新闻联播、有声书、播客、影视配音……

但方言的语料数据，少得可怜。很多方言，几乎没有公开的语音数据集。

要训练一个能听懂 22 种方言的模型，需要大量的方言语料，而这些数据，需要自己去收集、去标注。

亲线是怎么做的

面对这些难点，亲线的技术团队用了一套”组合拳”。

第一招：多方言混合训练

我们没有为每种方言单独训练一个模型，而是把 22 种方言的语料混合在一起训练。

这样做的好处是：模型可以学到不同方言之间的共性——比如”电话”这个词，虽然发音不同，但语义是一样的。模型可以通过上下文和语义，推断出老人说的是什么。

就像一个人，如果他会听几种方言，再遇到一种新的方言，也能猜个大概。模型也是一样。

第二招：迁移学习 + 方言微调

我们先用大规模普通话数据训练一个基础模型，让它先学会”汉语”的基本规律。

然后，用每种方言的少量数据，对模型进行微调（fine-tuning）。

这就像教一个已经会说普通话的人学方言——不需要从零开始，只需要学差异部分。这样，用很少的方言语料，就能达到不错的识别效果。

第三招：联系人名字定制识别

这是亲线最巧妙的一点。

老人说”给儿子打电话”，模型不需要识别”儿子”这两个字是什么意思，只需要识别出”这是一个联系人称呼”，然后去联系人列表里匹配。

亲线会根据用户添加的家人名字，动态生成识别词表。比如老人添加了”儿子”、“女儿”、“大孙子”、“二闺女”，模型就会重点识别这些词。

这大大降低了识别难度——不需要模型听懂所有方言词汇，只需要听懂老人自己设置的那几个家人称呼。

第四招：本地轻量模型，离线也能用

很多语音识别产品，需要把声音传到云端服务器识别。这不仅有隐私问题，而且网络不好的时候就用不了。

亲线的唤醒词和联系人识别，用的是本地轻量模型，直接在手机上运行，不需要联网。

• 唤醒词识别：完全离线，手机本地处理
• 联系人称呼识别：完全离线，手机本地处理
• 只有视频通话本身，才需要网络

这意味着，就算家里 WiFi 断了，老人说”小亲小亲”，手机也能唤醒。只是拨不通电话而已，但至少能响应，不会让老人觉得”手机坏了”。

识别不准怎么办

即便是 22 种方言全覆盖，也不可能 100% 识别准确。老人说话不清楚、环境噪音大、口音太重，都可能识别失败。

亲线的做法是：识别不准，就多问一句。

如果模型对识别结果不确定，会用语音问老人：“你是要给儿子打电话吗？”

老人说”是”，就拨打；说”不是”，就再问：“那你要打给谁？”

这种多轮对话确认，比一次性识别更可靠。老人不会因为识别错了而打错电话，也不会因为识别不出来而不知所措。

另外，亲线还有学习功能——如果老人多次说同一个称呼但识别不准，模型会自动调整，越来越懂老人的口音。用得越久，越准。

技术的终点，是让老人”无感”

讲了这么多技术，其实对老人来说，这些都不重要。

老人不需要知道什么是”迁移学习”，不需要知道什么是”端到端加密”，不需要知道什么是”本地轻量模型”。

他们只需要知道：我想说什么，就说什么；我想找谁，就找谁。手机听得懂。

这就是技术的终点——让技术消失，让连接发生。

东北话也好，四川话也好，广东话也好，都只是老人表达思念的方式。而亲线要做的，就是不管老人用哪种方式，都能把这份思念，准确地送到另一端的家人那里。

鸣鹤在阴，其子和之。

不管鹤鸣的是哪种方言，子都能和上。

这就是亲线的方言识别，最朴素也最温暖的意义。

如果你家老人说的方言比较特殊，亲线暂时识别不准，欢迎通过官网”联系我们”告诉我们。我们会持续优化方言识别模型，让更多老人”说家乡话就行”。

亲线官网：www.qinxian.com | 客服电话：400-878-6641