自動語音識別（ASR）系統在現代應用中扮演著關鍵角色，但在處理罕見實體和領域特定術語時，尤其是在低資源語言場景下，常常產生所謂的“幻覺”錯誤。這些錯誤不僅影響使用者體驗，還可能對關鍵任務造成嚴重後果。為了應對這一挑戰，檢索增強生成（RAG）框架結合大語言模型（LLM）被提出作為一種有效的解決方案。然而，現有方法存在明顯缺陷：標準稀疏檢索方法忽略了語音誤識別模式，而跨模態嵌入方法雖然準確但引入了高延遲。
針對這一問題，一項新研究提出了一種高效的純詞彙級誤差感知框架，專門用於糾正ASR系統中的語音幻覺和迴圈幻覺。該方法的核心創新包括一個對稱文本歸一化模組和一個新穎的誤差感知TF-IDF演算法。透過基於歷史錯誤構建稀疏對角懲罰矩陣，檢索器能夠數學上優先選擇包含高風險誤識別的糾正文件，從而顯著提升檢索的命中率。
研究人員在FLEURS資料集的波斯語子集上進行了評估。實驗結果表明，所提出的方法將誤差感知命中率從53.7%大幅提升至90.9%。更令人印象深刻的是，在端到端評估中，該整合框架將最終詞錯誤率從23.06%降低到18.83%，同時實現了近乎為零的推理延遲。這意味著該方法在保持高效率的同時，顯著提高了ASR系統的準確性。
這項研究由Mohammad Aref Jafari-Raddani等人完成，論文於2026年6月19日提交至arXiv，共4頁，包含1張圖和2個表格。研究主題涵蓋計算與語言、人工智慧和資訊檢索。該工作為低資源語言ASR錯誤糾正提供了一種輕量級且高效的解決方案，具有重要的實際應用價值。未來，該方法有望推廣到更多語言和領域，進一步推動ASR技術的發展。