语音识别错误定位框架：针对性澄清机制

研究者提出一种用于流式语音识别的在线错误定位新框架，通过识别潜在错误片段并让说话人重复受影响内容来修正转录。该框架结合声学与语言特征计算 token 级分数并组合成片段，再由 LLM 根据重复音频的转录仅修改选定片段。在 70% 的精确率下，该方法比最强基线多识别多达 52% 的错误 token，使相对 WER 降低多达 24%。