LLM-Filter verringert Fehler bei KI-Transkriptionen verrauschter Polizeifunkaufnahmen

Das Team um Kaavya Chaparala untersuchte zwei grundlegende Spracherkennungsmodelle – Whisper von OpenAI und Qwen3‑ASR – anhand verrauschter Polizeifunkübertragungen aus Baltimore und Chicago. Dabei stellten die Forschenden fest, dass die integrierten Konfidenzwerte der Modelle nicht zwischen guten und schlechten maschinell erstellten Transkripten unterscheiden konnten. Mit einem großen Sprachmodell als externem Prüfer, der im Kontext unplausible Pseudo-Labels aussortierte, senkten sie die Wortfehlerrate der Trainingsdaten. Die zur SLT-Konferenz 2026 angenommene Studie schlägt außerdem vor, Pseudo-Labels künftig zwischen Modellen auszutauschen.