问题
两类用户在语音转文字的“关键信息必须逐字准确”上同时受挫：① 用 GPT-Live-1/Realtime API 构建电话客服代理的开发者，模型经常拼错姓名和数字序列——"This matters for customer-service agents: they need to capture a caller's name, phone number, or booking reference exactly before looking up or changing an account"，而现有方案只能靠逐字拼写、字母表、外部转写等手工补丁；② 重度听写用户发现 Grammarly 的语音识别"it does not pick up my words properly"，一位用了 15 年 Dragon NaturallySpeaking 的付费用户明确指出问题不在自己。共同点：通用语音模型在专名、数字、序列上不可靠，而这恰恰是客服和听写场景中错一个字就全盘作废的部分。
目标用户
① 构建电话/语音客服代理的开发者和小团队（基于 Realtime API、GPT-Live-1 等平台）；② 依赖语音听写的重度文字工作者（如信号中 15 年 Dragon 老用户）。市场规模信号未提供数据，定性判断是开发者细分工具 + 听写专业人群的小到中型市场。
解决方案
- 槽位识别：自动判断对话中何时出现姓名、电话、订单号、邮编等“必须逐字准确”的信息
- 逐字确认对话：自动生成澄清话术，如请对方逐字拼写姓名、一位一位报电话号码
- 格式校验：按电话号码格式、订单号长度/校验位等规则验证捕获结果，失败即触发复述确认
- TTS 回读确认：录入前把捕获到的关键信息念给来电者确认
- 兜底通道：对关键片段走独立转写或文本输入二次验证
AI 的角色：判断何时触发澄清、生成自然的确认话术、做槽位抽取与校验，而不是替代底层语音模型。
为什么是现在
GPT-Live-1、Realtime API、ChatGPT Voice 等实时语音模型刚普及，API 电话客服代理成为新的构建热点，但新模型在专名与数字序列上出错（信号 1），这是随新模型出现才产生的新缺口，尚未有专门解决方案。此判断仅基于 1 条开发者信号，置信度中等。
MVP 范围
第一版只做开发者 API/SDK：接入现有语音代理（如基于 Realtime API/GPT-Live-1 的电话代理），针对姓名和电话号码两类关键槽位，提供逐字拼写确认、逐位报数确认和电话格式校验，失败时自动复述回读。仅支持英文场景。不做完整 ASR 替代、不做消费者听写 App、不做多语言、不做订单系统对接。
变现方式
按调用量计费或开发者订阅制。付费意愿证据很弱：仅有一位付费 Grammarly 订阅者（曾付费使用 Dragon 15 年）暗示了听写工具的付费习惯，信号中没有具体价位或开发者侧的买单确认，定价需自行验证。
风险
底层模型快速迭代，GPT-Live-1 后续版本可能自行解决专名与数字准确率问题，校验层需求随之消失（强平台依赖）；Dragon 在听写领域是深耕多年的在位者；信号总量少（3 条，其中 2 条为零互动的 App 差评），痛点普遍性未经验证，Grammarly 的识别差可能只是个别 bug 而非结构性缺口；处理通话录音和姓名、电话等个人信息涉及隐私与数据合规。
已有产品
| 产品 | 定位 | 价格 |
|---|---|---|
| Grammarly | 信号中被用户抱怨语音识别不准、麦克风无法关闭的现有语音输入产品 | — |
| Dragon NaturallySpeaking | 听写领域老牌在位者，信号中用户称其 15 年来识别一直准确，是准确率标杆 | — |
| ChatGPT Voice | 通用语音交互入口，信号中被提及为现有替代方案 | — |
| GPT-Live-1 | 开发者当前用来构建语音客服代理的实时模型，正是拼错姓名与数字的来源 | — |
| Realtime API | 开发者构建电话代理的底层平台，本方案需在其上构建而非替代 | — |
信号证据
这张卡片依据的原始讨论。摘录保持原文，点“原文”查看上下文。
OpenAI 开发者社区 · API9月30日痛点▲ 31 条评论
“This matters for customer-service agents: they need to capture a caller’s name, phone number, or booking reference exactly before looking up or changing an account.”
GPT-Live-1 often gets spellings of names and sequences of digits wrong, which is critical for customer-service voice agents that must capture names, phone numbers or booking references exactly.原文
App Store 差评 · Grammarly9月21日痛点▲ 0
“giving no way to stop it without restarting the whole iPhone”
Grammarly 的语音/音频功能无法随时关闭，一直占用资源且必须重启 iPhone 才能停止。原文
App Store 差评 · Grammarly9月17日痛点▲ 0隐含付费意愿
“the microphone is terrible it does not pick up my words properly, I know it’s not me because I have used Dragon NaturallySpeaking for the last 15 years and never had a problem with it knowing what I said”
Grammarly 的麦克风语音输入识别不准确,经常无法正确识别用户说的话。原文