训练语音 AI 模型准确识别临床术语异常困难——药物名称和解剖学术语并非日常词汇，现成的语音系统即使听起来流畅，也可能漏掉临床工作流中最重要的词汇。

NVIDIA 发布的临床 ASR 工作流，利用合成数据生成、Agent Skills 和 Nemotron Speech 技术，帮助开发者快速建立领域基准。合成音频不含受保护的健康信息，因此团队可对其进行版本管理、共享和自动化测试，而无需经过耗时的标注流程或 IRB 审批。

该工作流通过 NVIDIA NeMo Data Designer 和 Nemotron Speech 提供数据生成和语音服务，Agent Skills 引导整个流程。开发者可定义一个可重复的临床语音评估循环：定义目标临床特征、创建基准、评估发音风险、测量 ASR 行为、改进模型，并决定下一轮应扩展术语范围、改进发音还是增加噪声。