前面的报告都在回答"用什么模型、怎么搭链路、说什么话术"，本篇回答一个更前置的问题：第一天没有任何业务数据时怎么起步，以及怎么让业务跑起来后数据自动反哺模型。覆盖：冷启动困境量化 → 零数据期三条数据来源 → 五条并行飞轮（ASR/EOU/AMD/话术/质检）→ 标注体系与成本 → 飞轮失效模式（含模型崩溃真相）→ 训练用途合规底线。
共同结构：质量与数据互为前提。破局点只有两个——用非业务数据替代真实数据起步（§②③），或用零风险方式先采数据再上线（影子模式）。
| 来源 | 做法 | 能解决 | 局限 |
|---|---|---|---|
| A · 公开数据集 先做 | SEACrowd 聚合集（东南亚）、Common Voice、FLEURS、GigaSpeech 2（泰/印尼/越）——EOU 报告已建清单 | ASR/EOU 预训练与评测集打底；语种门禁基线 | 朗读体 ≠ 电话对话体；16kHz ≠ 8kHz；公开集本身有标注质量问题（arXiv 2506.17525 审计） |
| B · TTS 合成数据 补语种 | LLM 生成目标语种文本 → 多音色 TTS 合成 → 加电话信道模拟（8k 重采样+编解码+噪声） | 小语种从"零模型"到"可用模型"的关键跳板（§③ 有实测数据） | 分布与真实通话有差；有比例上限；不能替代真实数据 |
| C · 影子模式采数 零风险 | 真人坐席正常通话，AI 在旁路只听不说：跑 ASR/EOU/意图预测并记录，与真人实际行为对比 | 拿到真实 8kHz 目标语种对话 + 天然"真值"（真人怎么应答就是标准答案）；判停与意图模型可离线评测无业务风险 | 需要有真人坐席业务在跑；仍需录音训练用途的合规授权（§⑦） |
arXiv 2509.15373（低资源 ASR 数据增强，Wav2Vec2-XLSR 微调）在四个低资源语种上验证"LLM 生成文本 + TTS 合成音频"路线：
| 数据集 | 真实音频量 | 基线 WER | 加合成后 | 增益 |
|---|---|---|---|---|
| Nashta（南斯拉夫变体） | 48 分钟 | 75.4% | 61.1% | ↓14.3 个点（绝对） |
| Vatlongos（瓦努阿图语） | 286 分钟 | 47.4% | 43.0% | ↓4.4 个点 |
| LibriSpeech-54（英语） | 54 分钟 | 24.9% | 16.3% | ↓8.6 个点 |
| LibriSpeech-1207（英语） | 1,207 分钟 | 6.7% | 5.1–6.3% | 增益收窄（数据越多越不需要） |
↔ 每条飞轮都是"采集 → 标注 → 训练/优化 → 上线 → 更多数据"的闭环，但周期与门槛差异很大
| 飞轮 | 数据形态 | 标注方式 | 起转门槛 | 迭代周期 | 衔接报告 |
|---|---|---|---|---|---|
| ① ASR 微调 | 8kHz 通话切片 + 转写 | 多 ASR 融合伪标签 + LLM 纠错 → 人工抽校 | LoRA 路线 1–3 小时即可起步（见下方门槛表） | 双周级 | 开源 ASR 部署 |
| ② EOU 自训 | 话轮切换点标注的对话音频 | 影子模式免费真值 / 真实通话话轮边界自动抽取 | 每语种千小时级起步（Smart Turn 口径）；影子期可先攒 | 季度级 | EOU 多语种选型 |
| ③ AMD 分国自训 | 振铃段+接起前 5 秒音频，人/机二分类 | 最易标（听 3 秒即可判），可众包/LLM 音频分类 | 每国数千条即可（YAMNet+RNN 路线） | 周级——最快见效的飞轮 | AMD 与拨号策略 |
| ④ 话术 A/B | 通话转写 + 结果标签（接通/转化/挂断点） | 业务结果天然是标签，零标注成本 | 每变体数百通即可见显著性 | 周级 | 话术工程与对话设计 |
| ⑤ 质检模型 | 转写 + 质检评分/红线命中 | LLM 初评 + 人工校验争议样本 | 数千通起 | 月级 | 质检合规与安全 |
初版按“全量微调”估了数十小时，但 LoRA 适配器路线把门槛拉到了小时级，这直接改写了飞轮启动计划：
| 领域音频量 | 预期效果 | 判断 |
|---|---|---|
| 1 小时 | 关键术语上明显提升 | 影子期就能攒够——飞轮可以提前转 |
| 3+ 小时 | 全领域词汇稳定强效果；领域术语 WER 相对下降 30–60% | 生产可用的甜点 |
| >10 小时 | 窄领域收益递减（跨多子领域的宽场景仍可继续攒） | 投入转向其他语种/其他飞轮 |
计划修正：ASR 飞轮从“阶段 2 才启动”提到阶段 1 就可跑首轮 LoRA（影子期 3 小时量即可），优先练“行业术语 + 本地地名/人名”这类高价值窄集合。
| 路线 | 成本量级 | 质量 | 适用 |
|---|---|---|---|
| 人工众包 | 最高（语音转写按小时计，小语种溢价明显） | 高（母语者可判文化语境） | 金标测试集、争议样本仲裁、小语种母语审校 |
| LLM / 模型弱监督 | 极低（学术测算单条注释成本可低至 $0.003 量级，约为众包平台的几十分之一） | 中高（多数分类任务可用；边界与文化语境弱） | 大规模初标、伪标签、质检初评 |
| 自动真值提取 | 近零 | 高（业务结果不撒谎） | 话术 A/B 结果标签、影子模式真人行为真值、AMD 事后核对 |
两级漏斗：模型/LLM 初标全量 → 按不确定性与分歧度筛出 5–15% 送人工校验 → 校验结果回流改进初标模型。这与质检报告的"flash 全量 + 旗舰复核"是同一个成本结构，可复用同一套流水线。
行业对“数据飞轮/数据护城河”的讨论多为战略泛论（自强循环、复利优势），缺少可直接套用的量化口径。好消息是：本站既有报告已经把各层基线数据凑齐了，可以直接推算每条飞轮的钱。
| 飞轮 | 直接指标改善 | 换算到钱的路径 | 基线数据来源 |
|---|---|---|---|
| ③ AMD 自训 | 误判率↓ → 无效分钟↓ + 短通话信号↓ | 直接省线路费与 LLM/TTS 成本（成本报告估算：约 20% 成本花在答录机与错接）；叠加号码信誉保护的接通率收益 | AMD 报告 + 成本模型报告 |
| ④ 话术 A/B | 前 10 秒流失↓、转化↑ | 行业均值 2–3% vs 顶级 6–10% 的转化差距就是飞轮的天花板空间 | 话术报告（Gong 数据） |
| ① ASR LoRA | 行业术语 WER ↓ 30–60%（相对） | 间接：转写错 → 意图误判 → 任务失败；用 TSR/containment 变化归因 | 本篇 §④ + 质检报告指标 |
| ② EOU 自训 | 误切断率↓、TTFW↓ | 体验指标 → 通话时长与完成率；注意小语种从“无模型”到“有模型”是阶跃式收益 | EOU 报告 + 质检 TTFW 基准 |
| ⑤ 质检模型 | 全量评分准确度↑、人工复核量↓ | 直接省人工质检工时；更大价值在提前拦住空转/超范围承诺类损失 | 质检报告两级漏斗成本 |
归因纪律：飞轮改善容易与其他变动（换线路、换号池、话术改版）混淆——模型发布与话术/线路变更错开时间窗上线，并保留对照组（旧模型小流量并行），否则无法证明飞轮真的在赚钱。