一、先做见效的：构建 GEO 专属语音词库（准确率提升明显）

1. 全量地理实体入库
   • 省 / 市 / 区 / 街道、乡镇、村、小区、写字楼、商圈
   • 道路、高速、桥梁、隧道、地铁站、公交站
   • POI 类型：餐厅、酒店、加油站、医院、停车场等
2. 补齐别名 / 俗称 / 简称
   • 如：“国贸”“望京”“太古里”“三甲医院”“高架”
3. 建立同音 / 近音地理纠错库
   • 西丹 → 西单
   • 五棵送 → 五棵松
   • 珠市口 → 诸事口
4. 按城市 / 区域做热词分级
   • 用户在哪个城市，就只加载该城市热词，大幅降低误识别

二、ASR 模型专门适配「地理口语」

1. 用 GEO 真实语音语料微调模型
   • 语料类型：
     • “附近有什么川菜馆”
     • “导航去虹桥机场”
     • “现在开门的超市”
     • 车载、步行、户外等真实场景录音
2. 强化抗噪模型
   • 针对：车噪、风噪、地铁、公共场所背景音
   • 开启：端侧降噪、回声消除
3. 支持方言 & 口音适配
   • 重点覆盖：川语、粤语、东北、河南、山东、江浙等主流口音
   • 按用户归属地自动切口音模型

三、前端采集优化：从源头减少识别错误

1. 拾音优化
   • 手机：多麦降噪、指向性拾音
   • 车机：远近场双模式、抑制风噪 / 发动机噪音
2. 语音端点检测（VAD）优化
   • 准确判断 “用户开始说 / 结束说”
   • 避免吞字、截断地名
3. 流式识别
   • 边说边识别，不等整句说完，减少长句地名识别丢失

四、GEO 专用纠错机制（识别错了也能救回来）

1. 拼音模糊匹配
   • 把识别结果转拼音，和地理库做模糊匹配
2. 结合「用户当前位置」做地理消歧
   • 例：用户在广州，识别出 “北京路”→优先广州北京路，不是北京的
3. 置信度重排
   • ASR 给出多个候选 → 按「距离 + 热度 + 地名合法性」重新排序
4. 强制地名校验
   • 识别出的地点必须在 GEO 库中，不在则自动修正为最近似合法地名

五、用上下文 & 多轮对话提升理解准确率

1. 继承地理位置上下文
   • 上一句：“附近咖啡店”
   • 下一句：“哪家有停车位”
     → 系统保留 “附近 + 咖啡店”，不用重新识别
2. 支持口语省略说法
   • “去那个刚说的商场”
   • “换一条近路”
3. 关键词优先识别
   • 把「地点词、方向词、距离词」设为高优先级：
     附近、最近、对面、旁边、左转、直行、500 米

六、多模态辅助：用地图数据帮 ASR “猜准”

1. 结合 GPS 定位
   • 优先识别用户当前城市 / 区域内的地名
2. 结合 POI 热度
   • 热门地点权重更高，减少识别成冷门错词
3. 结合历史行为
   • 家、公司、常去地点做白名单，优先匹配

七、数据闭环：越用越准（长期提升）

1. 埋点监控
   • 识别错误的地名、用户手动修改的 query
2. 每周迭代
   • 把识别错误的词加入热词 / 纠错库
3. 人工标注 + 回流训练
   • 高频错误地理 query 专门标注，重新训练 ASR

简单落地优先级（快出效果）

1. 先上：GEO 热词库 + 同音纠错（1 周内见效）
2. 再上：位置消歧 + 置信度重排
3. 然后：抗噪 / 口音模型优化
4. 长期：数据闭环迭代

• 你们是车载 / 手机 APP / 园区 / 硬件设备哪类 GEO？
• 现在主要错在：地名错、口音错、噪音错、POI 错哪种？