企业采购语音转写服务时，“准确率达标”不能只作为一句笼统承诺。验收条款应明确：用什么录音测试、以什么文本作参照、按什么规则计分，以及哪些错误即使总体分数合格也必须复核。否则，供应商与采购方可能在测试素材、标点处理或中文分词口径上各自得出不同结论。
先约定测试集与计分口径
测试素材应来自实际使用场景，并覆盖普通话单人表达、多人对话和专业术语等情况。可分别准备单人段、多人段和术语段，保留录音、人工校订的参考稿及说话人标注。素材应经授权，并妥善处理敏感信息。采购方与供应商须使用同一批音频、相同语言和功能设置；测试时记录产品版本、说话人区分等选项及音频处理方式，避免把设置差异误判为识别能力差异。
词错误率（WER）可以作为总体指标，但中文分词、数字格式和标点规则会影响计算结果，验收前应统一文本规范。还应单列关键错误：人名、金额、否定词、专业术语和行动事项。对决策记录而言，否定词识别错误可能比多处标点差异严重，不能让平均分掩盖这类风险。
把结果转成可执行条款
验收标准应按场景分别约定，不宜只看合并后的总分。除总体准确性外，可记录各类素材的错误表现、说话人归属错误和需要人工修改的关键错误，并写明哪些情况触发复测或人工回听。具体门槛应由采购方结合试用结果和业务容错要求确定，不宜照搬其他产品的榜单分数。
验收还应规定交付内容：保留未经人工润色的原始转写结果，记录提交与导出情况，并约定复测素材和复测方式。产品更新、设置变化或处理流程调整后，旧验收结果未必仍能代表当前表现，可按约定重新测试。这样采购方验收的不是宣传页上的一个数字，而是服务在约定音频、设置和规则下能否稳定减少校对负担；涉及重要引语、责任归属或敏感内容时，自动转写仍不能替代必要的人工核验。