Krisp专业术语识别率低可通过四步优化：一、桌面端设置自定义词汇表；二、会议标题注入领域上下文；三、API调用嵌入领域prompt指令；四、导出SRT后执行术语映射校准。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
如果您使用Krisp进行语音转写，发现专业术语识别准确率偏低，可能是由于Krisp默认模型未针对特定垂直领域（如医疗、法律、芯片设计等）优化。以下是调整提示词以提升专业术语转写精度的操作方法：
一、在Krisp桌面端设置自定义词汇表
通过手动导入领域专属术语列表，可增强模型对专有名词的识别优先级，避免被替换为近音通用词。
1、打开Krisp桌面应用，点击右上角用户头像，选择“Settings”。
2、在左侧菜单中点击“Transcription”，进入转写设置页。
3、向下滚动至“Custom Vocabulary”区域，点击“Add words”。
4、逐行输入关键术语，例如：RISC-V、SoC、fMRI、docket number、HIPAA compliance，每行一个词，不加标点。
5、点击“Save”保存后，重启Krisp服务使词汇表生效。
二、在实时会议中动态注入上下文提示词
Krisp支持通过会议标题或描述字段注入简短上下文，引导模型聚焦当前领域语义边界，降低跨领域误判概率。
1、在Zoom或Teams发起会议前，将会议主题命名为包含领域标识的字符串，例如：[Medical] Grand Rounds – Cardiac MRI Protocol Review。
2、确保Krisp已启用“Use meeting title for context”选项（Settings → Transcription → Context Awareness）。
3、会议开始后，Krisp会自动提取方括号内标签及关键词，临时强化相关语音单元的解码权重。
三、使用API调用时嵌入领域指令模板
若通过Krisp API批量处理录音，可在请求体中添加prompt字段，以指令形式约束转写倾向性，替代纯词汇匹配的局限性。
1、构造POST请求至/v1/transcribe接口，请求体中加入"prompt": "This is a semiconductor fabrication discussion. Prioritize terms like photomask, etch rate, DRC check, and cleanroom class."。
2、确保prompt长度不超过200字符，且仅含名词性术语与领域定性短语。
3、响应返回的转写结果中，photomask与DRC check等词的识别稳定性显著高于未加prompt的对照组。
四、导出SRT后执行术语后校准脚本
对已生成的转写文本进行批量术语映射修正，适用于无法实时干预但需交付高保真文稿的场景。
1、从Krisp导出.srt字幕文件，用文本编辑器打开。
2、编写Python脚本，定义替换字典：{"LSTM": "Long Short-Term Memory", "GCP": "Google Cloud Platform"}。
3、遍历所有字幕块的text字段，执行精确字符串替换（区分大小写，禁用模糊匹配）。
4、保存新.srt文件并重新加载至视频编辑软件验证术语一致性。
