# LLM 필터, 잡음 섞인 경찰 무전 AI 전사 오류 줄여

> 연구진은 잡음이 섞인 경찰 방송 통신 음성의 자동 음성 인식을 위한 의사 라벨링을 개선하고 전사 오류를 낮추는 LLM 기반 필터를 선보였다.

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

Kaavya Chaparala가 이끄는 연구팀은 볼티모어와 시카고의 잡음 섞인 경찰 방송 통신 음성을 대상으로 두 가지 기반 음성 인식 모델인 OpenAI의 Whisper와 Qwen3‑ASR을 평가했다. 연구진은 모델에 내장된 신뢰도 점수로는 기계가 생성한 전사문 가운데 정확한 것과 부정확한 것을 구별할 수 없다는 사실을 확인했다. 외부 평가자로 대규모 언어 모델을 활용해 문맥상 타당하지 않은 의사 라벨을 걸러내자 학습 데이터의 단어 오류율이 낮아졌다. SLT 2026 학회에 채택된 이 논문은 향후 연구 방향으로 모델 간 의사 라벨 교환도 제안한다.

## 팩트

- 논문이 SLT 2026 학회에 채택됐다
- 볼티모어와 시카고의 경찰 음성을 대상으로 Whisper와 Qwen3‑ASR을 평가했다

## 왜 중요한가

이 방법을 활용하면 사람의 방대한 라벨링 작업 없이도 잡음 섞인 경찰 녹음을 더 저렴하고 정확하게 읽기 쉬운 텍스트로 바꿀 수 있다.

## 출처 및 참고 자료

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

최종 업데이트: 2026-09-28