一种基于多模态大模型ASR转录结合语义后处理方法与流程

本发明涉及语音信号处理与自然语言处理交叉，具体涉及一种基于多模态大模型自动语音识别（asr）转录结合语义后处理的审讯录音与笔录智能比对方法及系统，适用于检察机关、公安机关在讯问同步录音与书面笔录一致性辅助审查场景中的智能化办案辅助应用。

背景技术：

1、在检察机关、公安机关办案过程中，讯问同步录音与书面笔录是固定言辞证据的重要载体。根据刑事诉讼证据规则，同步录音录像用于保障讯问过程的合法性与真实性，而书面笔录则是案件审查起诉、庭审示证的核心材料。办案实践中，承办人通常需要人工听录长时审讯音频（单段可达数十分钟甚至更长），并与笔录pdf进行逐句核对，以发现笔录中可能存在的增删改、补充或遗漏问题。该过程高度依赖个人经验与听觉专注度，耗时费力，且对低音量、断续模糊、口音混杂等复杂声学条件下的内容辨识能力要求极高。

2、从语音信号处理角度看，审讯录音可建模为离散时间序列，，其中采样率为（常见为16khz或44.1khz）。由于讯问场所录音设备摆放位置、被讯问人说话音量、房间混响及背景噪声等因素影响，实际录音往往呈现低信噪比、动态范围窄、有效语音段分布不均等特点。传统asr系统通常先对进行预加重、分帧加窗，再提取mel频谱等特征，随后由声学模型输出帧级后验概率，最后经解码器生成文本。当较低时，帧级后验分布趋于均匀，解码搜索空间扩大，错字、漏字、断句错误显著增加，难以直接支撑司法场景下“逐句比对”的可靠性要求。

3、随着多模态大模型的发展，直接对语音进行语义增强转写成为新趋势，可在一定程度上改善低质量音频的可读性；但生成式模型在音频证据不足时易产生循环重复、模板化客套话及与案件无关的幻觉内容。与此同时，asr后处理与笔录文本比对技术虽已出现，却普遍缺少“笔录基本信息约束—规则/语义二级清洗—问答结构化—逐对语义差异检测”的完整链路。因此，亟需一种面向审讯场景、兼顾低质量音频转写与幻觉抑制、并能输出可审查比对报告的端到端方法。

4、现有技术一的技术方案

5、现有技术一为基于多模态大模型的端到端语音转写方案。该类方案将具备音频理解能力的大模型（音频编码器输出的连续表示与文本token嵌入空间对齐）以自回归方式生成转写文本，可借助预训练阶段获得的语言知识与上下文推理能力，对低质量、断续语音进行一定程度的语义补全。典型实现中，模型在条件语言模型下对音频条件进行解码；对长时音频则往往按固定时长粗粒度切分后逐段转写并拼接。部分系统还会设置采样温度、top_p等解码参数以平衡多样性与确定性。

6、在审讯办案辅助场景中，该类方案可直接接收wav等音频输入并输出中文转写文本，从而替代部分人工听录工作，并作为后续笔录一致性审查的候选语料。

7、现有技术一的缺点

8、由于现有技术一采用生成式条件语言模型直接采样输出转写文本，当输入音频信噪比偏低或提示词约束不充分时，模型容易生成与音频无关的“幻觉”内容，例如交互式客套话（如“请继续提供音频”）、环境描写、与案件无关的事实描述等；同时，对长时音频若采用无重叠粗切分，句边界落在切分点时易产生词语截断，而简单拼接又会在重叠或边界处引入重复输出。上述缺陷源于其“端到端生成、缺少面向审讯场景的规则+语义二级后处理及案件上下文外部约束”的技术路线，导致转写结果难以直接用于司法场景下的高精度笔录比对。

9、现有技术二的技术方案

10、现有技术二以公开号为cn107741928b的发明专利为代表，公开了一种基于领域识别的语音识别后文本纠错方法。其技术方案包括：对asr初识结果进行领域识别，结合语法切分、候选词匹配及领域词典等手段，对识别错字、漏字进行修正，从而提升通用语音识别文本的可读性与领域适配性。该类方法主要面向“声学识别错误→文本纠错”的问题，纠错依据多为拼写、读音相近或领域词表命中情况。

11、在语音转写后处理链条中，现有技术二可位于asr引擎之后，作为独立的文本纠错模块使用，以降低错字率并提高后续自然语言处理模块的输入质量。

12、现有技术二的缺点

13、由于现有技术二的纠错依据主要建立在拼写、读音或领域词典匹配之上，其对多模态大模型特有的循环重复输出（如“好的好的好的……”）、模板化幻觉语句（如“请给出上述音频的原始内容”）以及与案件上下文无关内容的联合剔除能力有限；同时，该路线未利用笔录pdf中已固定的当事人姓名、涉案地点等结构化案件信息对asr结果进行实体级约束修正，也未形成与笔录问答逐对语义比对相衔接的后处理闭环。因此，即便纠错后文本错字率有所下降，仍不足以支撑审讯录音与笔录一致性审查对“可逐句核对、可定位新增事实”的要求。

14、asr（automaticspeechrecognition，自动语音识别）：将连续语音信号转换为文本序列的技术。传统asr系统通常由声学模型、语言模型和解码器三部分组成，声学模型负责将短时帧级特征映射为音素或子词概率，语言模型提供上下文约束，解码器通过动态规划（如viterbi算法或束搜索）输出最优文本假设。本发明中，asr指对检察机关、公安机关讯问过程中同步采集的审讯录音进行转写，得到带时间戳的审讯对话文本，并作为后续笔录一致性审查的基础语料。

15、多模态大模型：能够同时接收并理解文本、语音、图像等多种模态输入的大语言模型。其典型结构为"模态编码器+跨模态对齐层+自回归语言模型解码器"，其中音频编码器将原始波形或频谱特征映射为与文本token空间对齐的连续表示，解码器以条件语言建模方式生成转写文本。本发明采用qwen2.5-omni多模态大模型，对低质量审讯音频进行语义增强转录，利用大模型对上下文语义和说话意图的建模能力弥补传统asr在噪声、断续语音条件下的识别不足。

16、qwen2.5-omni：具备音频理解与文本生成能力的多模态大模型。本发明将其用于审讯音频分段转录，通过低温度采样策略抑制随机性输出，以提升模糊、断续、低信噪比语音片段的转录可读性。

17、语义大模型：以自然语言理解、推理和生成为主要能力的大语言模型。本发明采用qwen3-32b语义大模型，用于asr结果幻觉剔除、问答结构化整理、案情摘要生成及笔录差异比对，并在后处理阶段引入案件基本信息作为外部约束，提升实体名称与案情上下文的一致性。

18、stft（short-timefouriertransform，短时傅里叶变换）：将非平稳语音信号划分为短时帧后逐帧进行傅里叶变换，得到时频表示。第m帧、第k个频率bin的stft系数可表示为，式中，为离散语音采样序列，为帧长，为帧移，为窗函数（如hamming窗）。该时频表示是传统asr声学特征提取的基础。

19、mel频谱与对数能量特征：人耳对频率的感知近似对数尺度，mel刻度定义为，式中，为线性频率（hz）。将stft功率谱通过mel滤波器组映射后取对数，得到mel频谱或mfcc等特征，广泛用于深度神经网络声学建模。本发明背景技术部分涉及的传统asr引擎即建立在此类帧级特征之上。

20、ctc（connectionisttemporalclassification，连接时序分类）：一种用于序列对齐的端到端训练准则，允许模型在输出标签序列中插入空白符以处理输入输出长度不一致问题。ctc损失定义为，式中，为声学特征序列，为目标文本，为折叠重复和空白符的映射函数，为对齐路径。传统asr与端到端模型常采用ctc或attention机制完成帧级到字级的映射。

21、信噪比snr（signal-to-noiseratio）：衡量语音质量的重要指标，定义为，式中，和分别为信号分量和噪声分量的平均功率。审讯录音常因录音距离远、环境噪声、设备增益不足导致snr偏低，进而使声学模型后验分布趋于平坦，识别错误率上升。本发明通过多模态大模型的语义补全能力，在声学证据不足时仍尽可能恢复可读的对话内容。

22、vad（voiceactivitydetection，语音活动检测）：用于判断音频片段中是否存在有效语音的技术，通常基于能量阈值、频谱特征或神经网络分类器实现。本发明采用固定时长分段与重叠拼接策略，而非严格依赖vad切分，以避免审讯场景中轻声发言、停顿较多时被误判为静音而丢失内容。

23、幻觉内容（hallucination）：生成式模型在缺乏输入证据或约束不足时，输出的与原始审讯音频无关的虚假语句，例如模型交互式客套话（请继续提供音频）、环境描写（有人在键盘上打字）、与案件无关的历史事实等。多模态大模型asr在低信噪比或语义模糊片段上更易产生此类幻觉，必须通过专门的后处理机制加以抑制。

24、分段重叠转录：将长时审讯音频按固定时长切分为若干片段，相邻片段保留时长重叠，切分步长为；第个片段的起始时间为。该策略可减轻句边界落在切分点导致的词语截断和漏识，并在后处理阶段通过规则去重与语义合并消除重叠区重复文本。

25、正则去重清洗：通过字符重复、词语重复、短语重复及模板关键词匹配等规则，对asr初步结果进行第一轮机械式清洗的技术。其核心思想是在不调用大模型的前提下，快速剔除大模型常见的循环重复输出和固定模板化幻觉语句，降低后续语义清洗的计算开销。

26、逐问答差异比对：将笔录pdf解析为问答对列表，逐对调用语义大模型判断该问答内容是否存在于审讯转录文本中，从而识别笔录相对录音的新增案情信息。该机制区别于纯文本相似度或编辑距离方法，能够容忍语音转写带来的同音错字、表述差异，同时识别实质性新增事实。

技术实现思路

1、为了改善/解决背景技术中审讯录音转写质量差、多模态大模型转录存在幻觉、以及笔录一致性人工比对效率低的问题，本发明提出一种基于多模态大模型asr转录结合语义后处理的审讯录音与笔录智能比对方法。

2、本发明所要解决的技术问题包括：  （1）低信噪比、长时断续审讯音频条件下，如何获得可读、可审查的转写文本；  （2）多模态大模型转录产生的循环重复、模板化客套话及无关幻觉如何有效抑制；  （3）如何利用笔录中已固定的案件基本信息约束asr清洗与实体名称修正；  （4）如何在容忍表述差异与同音错字的同时，定位笔录相对录音的实质性新增信息，并输出分层比对报告。

3、本发明关键技术特征主要包括：

4、1、采用分段重叠切分策略（、、参数化配置）与多模态大模型相结合的审讯音频转录方法，通过低温度解码抑制随机幻觉，提升低信噪比、模糊断续审讯录音的可读转写质量。

5、2、构建“正则去重清洗（字符/词语/短语/通用模式四级重复压缩+模板关键词过滤）+语义大模型逐句幻觉剔除”的二级后处理链路，针对多模态大模型转录特有的循环重复、交互客套话及无关幻觉内容进行联合抑制，并按最大字符长度分批控制推理开销。

6、3、从笔录pdf中抽取案件基本信息，并作为外部知识约束参与asr语义清洗、问答结构化整理及人名地名同音错字修正，增强转写文本与案件上下文的一致性。

7、4、采用语义大模型分别生成音频侧与笔录侧案情摘要，并对笔录问答对进行程序性内容过滤后的逐对语义差异检测，输出“整体案情总结+笔录新增内容定位”的分层比对报告。

8、5、将笔录pdf视觉语言ocr解析、多模态分段转录、二级后处理、问答结构化与笔录差异比对串联为端到端智能辅助办案方法/系统，输入为审讯wav与笔录pdf，输出为带时间戳转录结果、问答形式文本及比对分析报告。

9、本发明采用的技术方案为一种基于多模态大模型asr转录结合语义后处理的审讯录音与笔录智能比对方法，包括以下依次执行的数据处理阶段，各阶段之间的数据依赖关系为：笔录解析阶段输出的案件基本信息作为外部知识约束输入音频后处理阶段；音频转录与后处理阶段输出的清洗后审讯对话文本作为比对语料输入比对阶段；比对阶段综合音频侧与笔录侧信息输出最终分析报告；所述方法具体包括：

10、第一阶段：笔录pdf解析与基本信息抽取

11、s101、接收用户上传的笔录pdf文件，将pdf各页渲染为高分辨率图像，调用视觉语言模型进行ocr文字提取，识别结构化标记及正文内容，同时忽略页眉、页脚、页码及被询问人签字区域，得到笔录全文文本；

12、s102、调用语义大模型qwen3-32b，从笔录全文中抽取当事人姓名、身份证号、手机号、涉案人员姓名及号码信息、涉案地点名称、派出所名称、关键时间点及案情经过摘要，组织为结构化案件基本信息，该基本信息作为后续音频后处理阶段的外部知识库，用于修正语音转写中因同音混淆产生的人名、地名错误；

13、s103、调用语义大模型对笔录全文生成笔录侧结构化案情摘要，包括当事人基本信息段和详细案情描述段，供后续第三阶段双通道摘要联合理解与比对分析使用；

14、第二阶段：基于多模态大模型的审讯音频分段转录与二级后处理

15、s201、接收用户上传的审讯wav录音文件，设数字化后离散语音序列为，，采样率为，录音总时长；

16、s202、采用固定时长分段与重叠拼接策略对长时音频进行切分：设片段时长，相邻片段重叠时长，切分步长=-=25s，第k个片段的起始采样点为，起始时间戳，片段音频为，片段总数；利用音频处理库将长时音频切分为k个wav片段，记录每段对应的起始时间戳并临时存储于工作目录；重叠区使句边界附近语音同时出现在相邻两个片段中，降低因切分点落在词语中间而导致的截断漏识概率；

17、s203、对每个音频片段构造多模态大模型请求，将片段音频与转写提示词一并输入qwen2.5-omni多模态大模型，提示词明确约束模型仅输出审讯对话的中文转写内容，不得添加解释性说明，模型推理时设置温度参数temperature=0.0、top_p=0.3的低随机性采样参数，使输出分布接近argmax解码，抑制与音频证据不一致的随机幻觉，得到各片段的中文转写文本；

18、s204、按时间戳升序拼接各片段转写结果，形成带[分:秒]时间戳的初步asr句子列表，每行格式为“[mm:ss]转写内容”，该初步结果中因模型幻觉存在交互式客套话、相邻重叠片段导致的重复语句及与案件无关的环境描述；

19、s205、第一级后处理，规则清洗：对初步asr句子列表逐句执行正则去重清洗，以毫秒级时间复杂度o(l)快速剔除循环重复输出与模型模板化无效语句，具体包括以下子步骤：

20、（a）字符级重复压缩：对正则表达式(.)\1{r,}匹配的超长重复字符保留至多r=6个；

21、（b）词语级重复压缩：对连续重复词语进行合并；

22、（c）短语级重复压缩：对长度2-8字的重复短语进行合并；

23、（d）通用模式重复删除：检测任意子串的循环重复并保留一个周期；

24、（e）模板关键词过滤：基于预设模板关键词列表，含“这段音频是办公室打字的声音”“请给出上述音频的原始内容”“请继续提供音频”等模型常见幻觉语句，删除明显无关句子；

25、s206、第二级后处理，语义清洗：将规则清洗后的句子按最大字符长度分批输入语义大模型qwen3-32b，模型在系统提示词约束下逐句判断并删除以下三类内容：（a）与审讯上下文无关的幻觉语句；（b）相邻重叠片段导致的语义重复句；（c）asr模型残留的交互式客套话；清洗过程中将第一阶段s102抽取的案件基本信息注入提示词，要求模型依据该信息对转写文本中的人名、地名进行同音错字修正，但不得凭空添加原文不存在的内容；输出保留原[分:秒]时间戳，得到带时间戳的正式asr转录文本，完成从s202分段转录到s206语义清洗的完整后处理链路，该二级处理机制中第一级规则清洗快速剔除机械重复和模板化语句，为第二级语义大模型清洗降低计算开销，第二级则在规则清洗基础上利用深层语义理解能力剔除语义级幻觉并完成实体修正，两级分工协同实现对多模态大模型转录特有缺陷的联合抑制；

26、s207、问答结构化整理：将s206输出的正式asr转录文本输入语义大模型，按“问(民警)/答(当事人)/陈述”格式进行角色识别与断句整理，去除无意义语气词，修正明显识别错误，输出带时间戳的问答形式转录文本，将线性asr文本恢复为与笔录结构一致的问答形式，降低后续逐对比对的结构对齐难度；

27、s208、调用语义大模型对s207输出的问答形式转录文本生成音频侧结构化案情摘要，供第三阶段与s103生成的笔录侧案情摘要进行联合理解；

28、第三阶段：基于语义大模型的案情摘要与笔录差异比对

29、s301、调用语义大模型，对s208生成的音频侧案情摘要与s103生成的笔录侧案情摘要进行联合理解，生成500字以上的整体案情总结；提示词要求禁止使用“基本相似”“大致相同”等模糊表述，所有结论须有原始文本证据支持，对姓名、身份证号、手机号等敏感信息进行脱敏处理；

30、s302、对s101得到的笔录全文进行清洗，去除页眉页脚、签名等干扰内容，并通过正则表达式解析为问答对列表；

31、s303、对包含“核对笔录”“权利义务告知”“出示证件”“身份证号”“有无前科”等程序性关键词的问答对进行过滤，不参与后续差异检测，以避免将讯问程序性内容与案情事实混淆；

32、s304、对s303过滤后剩余的每一组问答对，将笔录问答内容与s206清洗后的审讯对话原文一并输入语义大模型，模型依据预设规则判断：若笔录信息在审讯转录原文中可找到对应内容，允许存在表述差异、同音错字、细节增减，则判定为一致；若存在原文中完全没有出现的实质性新增案情信息，则输出差异分析说明，从而区别于纯编辑距离或向量相似度方法，在容忍语音转写与书面笔录之间表述差异的同时，精准定位需重点关注的实质性增删；

33、s305、将s301生成的500字以上整体案情总结与s304输出的逐问答差异检测结果拼接，生成最终比对分析报告并输出，报告包含“笔录新增内容”等差异定位信息，办案人员可据此快速定位需重点复核的笔录内容。

34、进一步地，所述s102中从笔录pdf抽取案件基本信息后，该基本信息在s206语义清洗阶段的具体应用方式为：语义大模型在系统提示词中接收当事人姓名、涉案地点名称、涉案人员姓名等结构化信息作为外部约束，当转写文本中出现与上述信息发音相近但字形不同的实体名称时，模型依据笔录权威记载将其修正为正确字形，实现从“同音混淆”到“规范实体”的自动校准。

35、进一步地，所述s202中分段重叠切分策略与s204至s206后处理链路的协同工作机制为：s202的重叠区使同一句边界语音同时出现在相邻片段的两份转录结果中，s204拼接后形成重复语句；s205规则清洗中的词语级和短语级重复压缩对相邻片段重叠区引入的完全相同或高度相似的重复语句进行第一轮合并；s206语义清洗进一步对规则清洗未能处理的语义重复句进行第二轮智能删除，形成重叠引入-规则粗去重-语义精去重的完整闭环。

36、进一步地，所述s205第一级规则清洗与s206第二级语义清洗之间的衔接关系为：s205规则清洗基于正则表达式和预设关键词列表进行纯机械式清洗，其时间复杂度o(l)在毫秒级完成，快速剔除字符/词语/短语级重复和模板化幻觉语句，将初步asr句子列表中的无效内容大幅缩减；s206语义大模型仅在s205规则清洗后的精简文本上执行语义级判断，并分批输入以控制单次推理上下文长度，从而降低大模型推理开销；两级清洗的输入输出在时间戳维度保持对齐，s205输出的每一条句子均保留原始[分:秒]时间戳，该时间戳原样传递至s206输出，确保后处理全程可追溯。

37、进一步地，所述s206中利用案件基本信息进行同音错字修正与s207问答结构化整理之间的数据传递关系为：s206基于案件基本信息完成实体修正后，输出实体准确、幻觉剔除的正式asr转录文本；该文本作为s207的唯一输入，s207语义大模型在此基础上进行角色识别和断句整理，确保问答结构化过程中的角色标注和断句边界判断建立在准确的人名、地名和案情上下文之上，避免因实体错误导致角色归属错误。

38、进一步地，所述s208中音频侧案情摘要与s103中笔录侧案情摘要的生成方式以及s301中联合理解的具体实现为：s103和s208分别独立调用同一语义大模型，在相同提示词模板下对笔录全文和问答形式转录文本生成结构化摘要，两者摘要格式一致，均包含当事人基本信息段和详细案情描述段，为s301的联合理解提供格式对齐的双通道输入；s301将两份结构化摘要同时输入语义大模型，要求模型以音频侧摘要为基准、笔录侧摘要为参照，输出统一案情描述，当两摘要存在冲突时在总结中予以说明，确保整体案情总结对双源信息的综合覆盖。

39、进一步地，所述s303程序性问答过滤与s304逐问答语义差异检测之间的逻辑衔接关系为：s303首先对笔录所有问答对逐条进行关键词匹配过滤，被标记为程序性内容的问答对不进入s304差异检测流程，亦不纳入最终“笔录新增内容”统计；s304仅对s303过滤后的非程序性问答对逐一调用语义大模型进行差异判断，其判断结果包括“一致”和“存在新增内容”两类，所有判定为“存在新增内容”的问答对及其差异说明被汇总至最终报告中的“笔录新增内容”部分，实现从“全量问答”到“程序性过滤”再到“实质性差异定位”的逐级筛选。

40、进一步地，所述s305中最终比对分析报告的数据来源及生成方式为：报告中的整体案情总结来源于s301对音频侧与笔录侧摘要的联合理解结果；报告中的逐问答差异检测结果来源于s303过滤后各问答对经s304判断的差异分析说明集合；报告将整体案情总结置于报告前端作为全局概览，将逐问答差异检测结果以问答对编号为索引逐条列于报告后端作为详细差异定位，两者共同构成“宏观总结+微观定位”的分层报告结构；报告中对姓名、身份证号、手机号的脱敏处理采用姓氏保留、名字以代替、身份证出生年月和手机号中间位以代替的方式。

41、进一步地，所述第一阶段、第二阶段和第三阶段之间的整体数据流转关系为：第一阶段的s102输出的案件基本信息作为外部约束，跨阶段输入至第二阶段的s206语义清洗和s207问答结构化整理，用于实体修正和上下文一致性增强；第二阶段的s206输出的正式asr转录文本作为清洗后语料，输入至第三阶段的s304作为差异检测的参照基准；第二阶段的s208输出的音频侧案情摘要与第一阶段的s103输出的笔录侧案情摘要共同输入至第三阶段的s301进行联合理解；三个阶段的处理顺序为串行执行，前一阶段的输出作为后一阶段特定模块的输入，最终在s305汇聚生成比对分析报告。

42、一种基于多模态大模型asr转录结合语义后处理的审讯录音与笔录智能比对系统，包括：

43、笔录解析单元，用于接收并解析笔录pdf文件，以800dpi渲染各页后通过视觉语言模型ocr提取全文，调用语义大模型抽取当事人姓名、涉案地点、涉案人员信息及关键时间点等案件基本信息，并生成笔录侧案情摘要；

44、音频转录单元，用于接收审讯wav录音，按照片段时长tseg=30s、重叠时长tov=5s、步长tstep=25s的分段重叠策略切分长时音频，调用qwen2.5-omni多模态大模型对各片段进行转录，设置temperature=0.0、topp=0.3，拼接各片段转录结果形成带时间戳的初步asr句子列表；

45、二级后处理单元，其内部包含规则清洗子单元和语义清洗子单元，规则清洗子单元对初步asr句子列表执行字符级、词语级、短语级、通用模式四级重复压缩及模板关键词过滤，语义清洗子单元将规则清洗后的文本按l_max=500分批输入qwen3-32b语义大模型，结合笔录解析单元输出的案件基本信息进行幻觉语句剔除和人名地名同音错字修正，输出带时间戳的正式asr转录文本；

46、问答结构化与摘要生成单元，用于将二级后处理单元输出的正式asr转录文本输入语义大模型进行角色识别和断句整理，输出问答形式转录文本，并独立生成音频侧案情摘要；

47、比对分析单元，用于对笔录解析单元输出的笔录全文解析为问答对列表，过滤程序性问答对后，将各问答对与二级后处理单元输出的正式asr转录文本逐对输入语义大模型进行语义差异检测，综合音频侧案情摘要与笔录侧案情摘要生成整体案情总结；

48、输出单元，用于输出带时间戳的正式asr转录文本、问答形式转录文本，以及包含整体案情总结与逐问答差异检测结果的比对分析报告；

49、所述系统中笔录解析单元与二级后处理单元之间具有数据传递接口，用于将案件基本信息从笔录解析单元传输至二级后处理单元；所述二级后处理单元与比对分析单元之间具有数据传递接口，用于将清洗后的正式asr转录文本从二级后处理单元传输至比对分析单元。

50、本发明技术方案带来的有益效果

51、1、相比传统基于mel频谱+ctc/attention的asr方案，本发明利用多模态大模型对低质量审讯音频进行语义增强转录，在snr偏低、长时断续语音场景下可获得更高可读性的转录文本，为后续比对提供可靠输入。

52、2、相比单一多模态转录方案，本发明通过规则与语义相结合的二级后处理机制，有效降低大模型幻觉和重叠切分重复输出对司法应用的干扰，提升转录结果可用性与可审查性。

53、3、相比通用asr后处理方案（如cn107741928b所代表的领域纠错方法），本发明引入笔录基本信息约束及问答结构化整理，使转写文本更贴合审讯对话真实结构，便于与笔录pdf逐对比对。

54、4、相比纯人工听录比对方式，本发明形成从pdf解析、语音转写、后处理到差异报告的端到端自动化处理链路，可显著减少检察官人工听录长时音频的时间成本，并辅助发现笔录相对审讯录音的新增信息，提升办案效率与司法监督能力。