# LLM filtresi, gürültülü polis telsizi kayıtlarının yapay zekâyla yazıya dökülmesindeki hataları azaltıyor

> Araştırmacılar, gürültülü polis telsizi yayınlarında konuşma tanıma için sözde etiketlemeyi iyileştiren LLM tabanlı bir filtre geliştirdi ve yazıya döküm hatalarını azalttı.

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

Kaavya Chaparala liderliğindeki ekip, OpenAI’ın Whisper ve Qwen3‑ASR adlı iki temel konuşma tanıma modelini Baltimore ve Chicago’dan alınan gürültülü polis telsizi yayınlarında değerlendirdi. Modellerin yerleşik güven puanlarının, makine tarafından oluşturulan iyi ve kötü dökümleri birbirinden ayıramadığını tespit ettiler. Bağlam açısından tutarsız sözde etiketleri elemek için harici bir değerlendirici olarak büyük bir dil modeli kullanarak eğitim verilerindeki kelime hata oranını düşürdüler. SLT 2026 konferansında kabul edilen makalede, gelecekteki bir çalışma alanı olarak modeller arasında sözde etiketlerin değiştirilmesi de öneriliyor.

## Gerçekler

- Makale, SLT 2026 konferansında kabul edildi
- Whisper ve Qwen3‑ASR, Baltimore ve Chicago’dan alınan polis telsizi kayıtlarında değerlendirildi

## Neden önemli

Bu yöntem, yoğun insan etiketlemesine gerek kalmadan gürültülü polis kayıtlarını okunabilir metne dönüştürmeyi daha ucuz ve daha doğru hâle getiriyor.

## Kaynaklar ve referanslar

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

Son güncelleme: 2026-09-28