# LLMフィルターで雑音の多い警察無線のAI文字起こし誤りを削減

> 研究チームは、雑音の多い警察無線の音声認識における擬似ラベル付けを改善するLLMベースのフィルターを導入し、文字起こしの誤りを減らした。

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

Kaavya Chaparala氏率いる研究チームは、ボルティモアとシカゴの警察無線を放送した音声を対象に、2つの基盤音声認識モデル、OpenAIのWhisperとQwen3‑ASRを評価した。その結果、モデルに組み込まれた信頼度スコアでは、機械が生成した文字起こしの良し悪しを判別できないことが分かった。そこで、大規模言語モデルを外部の判定役として使い、文脈上不自然な擬似ラベルを除外したところ、学習データの単語誤り率を下げることができた。SLT 2026で採択されたこの論文は、今後の方向性として、モデル間で擬似ラベルを交換する方法も提案している。

## 事実

- 論文はSLT 2026で採択された
- ボルティモアとシカゴの警察無線音声を使い、WhisperとQwen3‑ASRを評価した

## なぜ重要か

この手法により、多くの人手によるラベル付けを行わずに、雑音の多い警察音声を読みやすいテキストに変換するコストを抑え、精度を高められる。

## 出典と参考資料

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

最終更新: 2026-09-28