纯文本LLM纠错会破坏已正确的ASR转写

纯文本纠错会破坏大量原本正确的ASR转写

资讯摘要

论文将ASR纠错带来的WER变化拆分为修复、破坏和插入三类，并在三个语料上比较有无音频输入的纠错效果。作者报告，Gemini 2.5 Flash仅凭文本纠正自身草稿时，会破坏13%–32%原本正确的转写；加入音频后这一比例降至1%–3%。在医疗听写场景中，保留的插入抵消了净WER收益；开源权重模型Voxtral很少编辑，未出现该模式。由于两组提示不同，对比只能界定音频影响的上界。

要点速读

1. 论文把WER变化精确分解为修复token、破坏token和插入，用于分析纠错器修好了什么、破坏了什么。
2. 作者报告Gemini 2.5 Flash纯文本纠正自身草稿时破坏13%–32%已正确转写，带音频时为1%–3%。
3. 医疗听写中保留的插入抵消净WER收益；Voxtral很少编辑，未呈现该模式。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。