音频 grounding 对 ASR 纠错修复与损伤的影响
热点事件持续更新
音频 grounding 对 ASR 纠错修复与损伤的影响
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
一项研究把 ASR 纠错带来的 WER 变化拆分为修复 token、损伤 token 和插入三类，用来考察源音频对纠错器的作用。作者称，Gemini 2.5 Flash 仅用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%。 音频使损伤在两个设置下均下降，但修复在自身草稿上减少、在独立识别器输出上增加。医疗听写场景中，保留的插入抵消了净 WER 收益；很少改动的开源 Voxtral 未出现该模式。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 12:00
纯文本 LLM 纠错器会破坏正确转写：ASR 纠错中音频 grounding 的修复-损伤分析报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.CL纯文本 LLM 纠错器会破坏正确转写：ASR 纠错中音频 grounding 的修复-损伤分析
研究将 ASR 纠错带来的 WER 变化精确拆分为修复 token、损伤 token 和插入，发现 Gemini 2.5 Flash 仅用文本纠正自身草稿时，会破坏 13-32% 原本正确的转写，加入音频后降至 1-3%。音频使损伤在两个设置下均下降，但修复在自身草稿上减少、在独立识别器输出上增加。医疗听写场景中保留的插入抵消了净 WER 收益，而很少改动的开源 Voxtral 未出现该模式。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。