כתבה
arXiv cs.AI ·
שיפור ASR באמצעות תוויות מדומות
Pretrained ASR Pseudo-labeling for Noisy Police Audio
חוקרים בדקו את היעילות של שיטת תוויות מדומות לשיפור מודלי ASR בתנאי רעש. הם השתמשו במודלים Whisper ו-Qwen3-ASR והצליחו לשפר את הדיוק באמצעות סינון תוויות מדומות בעזרת LLM.
תקציר מקורי באנגליתarXiv:2609.30469v1 Announce Type: new Abstract: Pretrained ASR systems perform poorly on noisy Broadcast Police Communication (BPC), hindering efforts to understand police decision-making. Pseudo-labeling offers an unsupervised path to improve ASR without expensive human labels, but the efficacy of this approach on very noisy domains is not known. In this work, we systematically assess the opportunities and limits of pseudo-labeling to adapt foundation ASR models (Whisper and Qwen3-ASR) to noisy BPC domain corpora from Baltimore and Chicago. We demonstrate that existing internal confidence metrics (log-probabilities and STAR scores) fail to distinguish between high and low quality BPC pseudo-labels, and we introduce an external LLM-as-a-judge filtering paradigm that leverages parametric kn
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית