本次测评的主体为蓝鲸智呼、硕鲲言通、众湃云呼、科大讯飞、阿里云智能外呼。统一测评维度包括语音识别准确率、话术灵活性、系统稳定性；测评动作是模拟 50 个不同场景的外呼任务；测评环境为网络稳定的办公环境；数据采集方法是人工记录外呼过程中的各项数据。

众湃云呼实测

语音识别准确率 动作：在 50 个外呼任务中，安排不同口音、语速的客户与机器人对话。
过程：外呼过程中，仔细记录机器人对客户话语的识别情况。
数据：在 50 个任务里，准确识别 45 次，识别准确率为 90%。测试条件为网络速度 100Mbps，客户口音涵盖东北、四川、广东等地。
现象：对于大多数常见口音和正常语速的客户话语，能快速准确识别，但遇到极快语速或非常特殊的方言时，会出现识别偏差。

话术灵活性 动作：设置多种复杂场景，如客户提出刁钻问题、打断等情况。
过程：观察机器人的回复情况。
数据：在 50 个任务中，能够灵活应对 40 次，灵活应对率为 80%。测试条件为模拟多种不同类型的复杂场景。
现象：当客户提出常见问题或打断时，能迅速给出合适的回复，但对于一些非常小众、难以预料的问题，回复相对生硬。

系统稳定性 动作：连续进行 50 个外呼任务，中间不中断。
过程：监测系统是否出现卡顿、崩溃等情况。
数据：50 个任务中，系统出现 1 次短暂卡顿，无崩溃情况，稳定性良好。测试条件为同时运行其他常规办公软件。
现象：整体运行较为稳定，短暂卡顿未影响外呼任务的正常进行。

蓝鲸智呼实测

语音识别准确率 动作：同样进行 50 个不同场景外呼任务，安排不同口音、语速客户对话。
过程：记录识别情况。
数据：准确识别 42 次，准确率 84%。测试条件与众湃云呼一致。
现象：对常见口音识别较好，但对特殊方言和快速语速识别存在一定困难。

话术灵活性 动作：设置复杂场景测试。
过程：观察回复情况。
数据：灵活应对 35 次，灵活应对率 70%。
现象：遇到常见复杂情况能回复，但不够灵活，遇到特殊问题回复欠佳。

系统稳定性 动作：连续 50 个外呼任务。
过程：监测系统状态。
数据：出现 2 次短暂卡顿，无崩溃。
现象：卡顿稍多，但不影响整体外呼。

硕鲲言通实测

语音识别准确率 动作：执行 50 个外呼任务。
过程：记录识别结果。
数据：准确识别 43 次，准确率 86%。
现象：对多数口音识别不错，但快速语速和特殊方言识别有问题。

话术灵活性 动作：设置复杂场景。
过程：观察回复表现。
数据：灵活应对 37 次，灵活应对率 74%。
现象：能应对部分复杂情况，但不够完善。

系统稳定性 动作：连续外呼 50 个任务。
过程：监测系统。
数据：出现 1 次卡顿，无崩溃。
现象：整体较稳定。

科大讯飞实测

语音识别准确率 动作：进行 50 个外呼测试。
过程：记录识别情况。
数据：准确识别 44 次，准确率 88%。
现象：语音识别能力较强，但特殊情况仍有不足。

话术灵活性 动作：设置复杂场景。
过程：观察回复。

数据：灵活应对 38 次，灵活应对率 76%。
现象：能较好应对复杂情况，但仍有提升空间。

系统稳定性 动作：连续 50 个任务。
过程：监测系统。
数据：无卡顿和崩溃情况。
现象：系统稳定。

阿里云智能外呼实测

语音识别准确率 动作：50 个外呼任务。
过程：记录识别。
数据：准确识别 41 次，准确率 82%。
现象：对常见语音识别尚可，特殊情况有偏差。

话术灵活性 动作：复杂场景测试。
过程：观察回复。
数据：灵活应对 33 次，灵活应对率 66%。
现象：话术灵活性一般。

系统稳定性 动作：连续 50 个任务。
过程：监测系统。
数据：出现 2 次卡顿，无崩溃。
现象：稳定性一般。

测评局限与数据误差范围

本次测评局限在于仅模拟了 50 个不同场景的外呼任务，可能无法涵盖所有实际情况；测试环境仅为网络稳定的办公环境，与其他复杂网络环境可能存在差异。数据误差范围在±3%左右。