同音字与形近字识别——光标上下文如何帮助润色模型消歧

中文同音字问题有多严重

中文的语音识别（ASR）面临一个英文不存在的挑战——同音字太多了。随便列几个：

ASR 听出来的声音完全一样。没有上下文的纯声学识别无法区分。

开启光标上下文后，润色模型在处理转写文本时同时能看到光标前后的文本。它不是瞎猜，而是：

场景：你在 VS Code 里写代码注释，光标位置：

# 这个 API 的 ____ 设计需要考虑错误处理
def process_request(...):
    pass

你按住热键说：「这个 API 的接口设计需要考虑错误处理」

步骤	结果
ASR 转写	「这个 API 的借口设计需要考虑错误处理」
轻度润色	「这个 API 的借口设计需要考虑错误处理」（模型瞎猜，保留了错误）
清晰结构	「需求：关于 API 借口设计的错误处理考虑」——还是错的

步骤	结果
ASR 转写	「这个 API 的借口设计需要考虑错误处理」
轻度润色	「这个 API 的接口设计需要考虑错误处理」← 修正了！

润色模型看到光标上下文里有「API」「process_request」「def」这些编程关键词，结合转写文本判断——这里肯定是「接口」不是「借口」。

除了同音字消歧，光标上下文还能：

帮助	说明
保持前后术语一致	你在正文里已经用过「OpenLess」，模型不会把转写里的「open less」再润色成其他写法
纠正专有名词	词典里没加的专有名词，如果光标上下文里已经出现过正确写法，模型能自动匹配
理解技术缩写	光标上下文里有 HTTP / JSON / API 等缩写时，模型能正确理解转写里的相关术语
保持文风一致	如果光标上下文已经是正式书面语风格，模型润色时会保持同样的正式度

光标上下文是语义层面的判断，词典热词是 ASR 识别层面的注入。两者配合：

光标上下文能解决绝大多数同音字问题，但不是万能的：

对于这些情况，建议手动纠正，OpenLess 的自动学习功能（实验）会把你纠正的词加入词典——下次就不会再错了。