在项目中选择支持的音频采样率和场景的模型。
出现“吞音、辨识度不高、听不懂”等情况无法解决时：
如果存在方言和重口音，可能由于ASR的训练数据覆盖不全造成识别错误，请联系阿里智能语音交互工程师进一步评估。
如果有大量的重口音（非方言）识别需求，请联系阿里智能语音交互工程师进一步评估。
如果人噪被误识别，此问题很难解决。
噪声模型优先考虑只要是人发出的声音就会被送入ASR识别。
如果非人噪被误识别，您可以多收集一些噪声数据，提供给阿里云进行噪声模型优化。
如果波形幅度不大，能量过低，造成识别数据丢失，可能是由于音量太小被噪声模型当成噪声处理。
建议调整收音设备，或减小说话人与收音设备的距离。
如果波形幅度过大能量过高造成识别错误，可能是由于音量太大被截幅而语音失真，造成识别错误。
建议调整收音设备，或者说话人离收音设备远些。
如果频段信息不完整，可能会造成识别不准确，ASR模型的标准训练数据要求为频段完整的8K/16K采样率数据。
建议确保频段信息完整的基础上，对识别不准确的地方使用自学习模型进行优化。
如果使用了热词，业务专属热词的权重不宜过高，权重太高可能会引起语句被截断，导致后续语音无法进行识别。
针对一般的识别错误，可以使用语音模型优化，将识别不佳的句子（非单个词）进行多复制几遍的操作。
对于使用录音文件识别服务，如果是合轨数据造成识别不准确。
建议采用分轨进行存储。