在Coze使用开放平台接口-【2】创建工作流-语音伪造检测工作流，我们已经成功运用Coze使用开放平台接口-【1】创建插件创建的插件，创建了语音伪造检测的工作流。本文档基于稍微复杂一点的通话语音结果分析工作流，结合大模型，来实现通话语音识别结果分析的工作流。

我们就不针对如何创建工作流做赘述，就根据业务流，以及创建好的工作流来描述节点和步骤。

---

对通话语音内容总结，有时候会需要处理单声道的历史通话数据语音(现在也有保存成单声道的)，所以我们也把 人声分割 接口加入到插件内，当然要分析就要有语音识别，这两个插件都已经在 快商通AI开放平台插件里面了，直接用即可。

大致的流程分为：鉴权->人声分割->语音识别->大模型分析->结果规整输出

用大模型来分析的原因也主要是可以，降低因为语音识别错误导致识别结果偏差的几率。传统把文字都识别出来，专业名词，或者识别不准，出来的结果并不是很好。但是使用大模型，可以根据上下文来分析，这样就可以降低语音识别错误带来的影响。

我们通过分析节点做了什么事情来描述这个流程，前面的开始节点和鉴权节点就不赘述了。

1. 创建工作流

1.1. 人声分割节点和处理节点

正常这边如果通话语音是双声道的，也不用做人声分割，更多是为了一些单声道的通话语音。

人声分割，我们主要看下输出结果：

• download url prefix：这个是用于下载语音文件的接口前缀。
• merge_file_key：这个是分割后的语音文件key，用来传给语音识别用的，后面会说明为什么要用这个语音。

其实主要是用这两个参数，人声分割接口会把分割后的数据合并在一条语音里面，用 2 个声道。因为要传给语音识别，肯定不会是在工作流里面下载，或者读取语音文件，因此需要拼接 url 给语音识别获取。获取的规则，就是 download_url_prefix 拼上 merge_file_key。

在处理人声分割结果节点，处理好后，传给语音识别节点。

1.2. 语音识别节点以及处理节点

语音识别顾名思义，把语音内容转成文字。我们在人声分割节点，已经分割好了数据，这时候传给语音识别节点的就是一条 2 个声道的语音。那为什么用这个接口呢，因为这个语音转文本接口可以独立返回声道的识别结果。语音转文本，让我们看下输出就知道了：

• result_str：原本有个result，这个是一个二维数组，对应传入语音的声道下标。估计是因为 coze 不支持二维数组，所以直接把 result 序列话之后用 result_str 返回回来。这个接口返回的不只是文字，也会分句，分句的开始时间和结束时间。这样子，可以给大模型一个时间维度上的判断。分开声道的返回方式，也可以在拼成一个对话文本的时候，有了明确的顺序。而不是 2 段单纯的文字丢给大模型。

不可能直接把 result_str 的结果直接传给大模型分析，这样既浪费 token，也很冗余。所以再用代码节点，把语音识别的结果，按照分句开始时间顺序，拼接成一个对话文本。因为我的场景，默认是客服和客户，所以拼接上了角色。具体的拼接结果，可以看处理语音识别后的结果节点的最终输出的样式。

除了把分句按照时间顺序拼接成一个对话文本，也会用数组的方式返回，这样可以给调用者看到说话的内容，也就是 call_record_array。

1.3. 大模型节点

大模型我这边用是 Kimi，其实我们之前用的 deepseek 效果也是不错的。

把处理语音识别后的结果 节点的 call_record_array 赋值给大模型的参数 asrResult，这样在写 prompt 的时候就可以引用(我不会告诉你我之前天真的以为，它会自己加进去)。提示词其实挺简单，告诉大模型干嘛，然后通话记录在 【】里面，这样大模型就会去分析，结果见 1.4 。

coze 的大模型里面的批处理挺实用的，有时候需要多条处理的时候，很方便（但是小心调用次数）

1.4. 结果节点

大模型的结果通过 agent_result 输出出来，大模型就会整理出来客户问题，总结客服的回答，客服的处理结果。

除了返回大模型分析结果，也会返回刚才分割出来的语音，以及语音转文本的结果。返回这些结果，会给下一篇创建 bot 的时候，更加丰富。

总结

这个工作流，把开放平台接口以及大模型整合起来，构建了一个大模型的工作流。比较简单，但是思路是这么个思路。在上一篇以及这一篇，我们创建了 2 个工作流，工作流直接给客户用肯定是不现实，因此需要一个机器人，一个简单的界面也好，或者可视化界面。这样，才可以让工作流能用起来(API 也是可以的)。因此，下一篇讲描述一下 Bot 里面添加这两个工作流的实现，Coze使用开放平台接口-【4】创建机器人。

---

上一篇：Coze使用开放平台接口-【2】创建工作流-语音伪造检测工作流