LLM-filter minskar felen i AI-transkribering av brusigt polisl ljud

Forskargruppen under ledning av Kaavya Chaparala utvärderade två grundmodeller för taligenkänning – OpenAI:s Whisper och Qwen3-ASR – på brusig radiokommunikation från polis i Baltimore och Chicago. De fann att modellernas inbyggda konfidensvärden inte kunde skilja bra maskinskapade transkriptioner från dåliga. Genom att använda en stor språkmodell som extern bedömare för att sortera bort pseudomärkningar som inte var rimliga utifrån sammanhanget kunde de sänka ord-felfrekvensen i träningsdata. Artikeln, som har antagits till konferensen SLT 2026, föreslår också att modeller i framtiden skulle kunna byta pseudomärkningar med varandra.