Whisperの無音幻覚は定型句学習が原因か検証

本紙はこの記事を読んでいません。元サイトが本文を配信していないため、見出しだけで要約を書くことはしません。

• 音声認識モデルWhisperで、無音区間に「ご視聴ありがとうございました」等の定型句が誤認識される現象を検証している。
• この現象の原因として、訓練データに含まれる定型句の学習が疑われている。
• 合成音声と実環境音を用いて、モデルや環境音の違いが現象にどう影響するかを体系的に調査した。
• 無音区間の誤認識は、文字起こしの精度に影響を与える可能性がある。