# مرشّح قائم على نموذج لغوي كبير يقلّل أخطاء تفريغ التسجيلات الشرطية المشوشة

> قدّم باحثون مرشّحًا قائمًا على نموذج لغوي كبير لتحسين الوسم الزائف في التعرّف على الكلام ضمن اتصالات الشرطة المشوشة عبر البث، ما خفّض أخطاء التفريغ.

Oossa · 2026-09-28 · https://oossa.com/ar/llm-filter-trims-errors-in-ai-transcriptions-of-noisy-police-audio

قيّم الفريق بقيادة كافيا تشابارالا نموذجين أساسيين للتعرّف على الكلام، هما Whisper من OpenAI وQwen3‑ASR، باستخدام اتصالات الشرطة المشوشة عبر البث في بالتيمور وشيكاغو. ووجد الباحثون أن درجات الثقة المدمجة في النموذجين لم تتمكن من التمييز بين النصوص التي أنشأها الذكاء الاصطناعي وكانت جيدة وتلك الرديئة. وباستخدام نموذج لغوي كبير بوصفه حكمًا خارجيًا لاستبعاد الوسوم الزائفة غير المعقولة في سياقها، خفّض الفريق معدل أخطاء الكلمات في بيانات التدريب. وتقترح الورقة، التي قُبلت في مؤتمر SLT 2026، أيضًا تبادل الوسوم الزائفة بين النماذج بوصفه توجهًا مستقبليًا.

## الحقائق

- قُبلت الورقة في مؤتمر SLT 2026
- قيّمت الدراسة Whisper وQwen3‑ASR باستخدام تسجيلات اتصالات الشرطة في بالتيمور وشيكاغو

## لماذا يهم

تجعل هذه الطريقة تحويل تسجيلات الشرطة المشوشة إلى نصوص مقروءة أقل كلفة وأكثر دقة، من دون الحاجة إلى وسم بشري مكثف.

## المصادر والمراجع

1. [Pretrained ASR Pseudo-labeling for Noisy Police Audio](https://arxiv.org/abs/2609.30469) – arXiv, 2026-09-28

آخر تحديث: 2026-09-28