分析韩语口语问答中 ASR-LLM 级联的错误传播
计算与语言
2026-05-19 v1 声音
音频与语音处理
摘要
我们分析自动语音识别 (ASR) 错误在韩语口语问答 (SQA) 中的 ASR-LLM 级联传播，聚焦于常规 ASR 指标难以完全捕捉的下游语义失效。我们的分析表明，ASR 错误导致的相对下游退化在不同绝对性能的 LLM 之间保持一致，表明级联退化很大程度上跟踪 ASR 阶段的信息损失。我们进一步识别单字符韩语 ASR 错误作为一种独特的语义失效通道，其中金标准答案在下游预测中完全消失，尽管仅有最小的转录差异。最后，一个辅助比较表明，大型音频语言模型在噪声韩语 SQA 中性能优于 ASR-LLM 流水线（匹配的语言主干），表明直接使用音频输入可缓解转录引起的信息损失。
引用
@article{arxiv.2605.17443,
title = {Analyzing Error Propagation in Korean Spoken QA with ASR-LLM Cascades},
author = {Donghyuk Jung and Youngwon Choi},
journal= {arXiv preprint arXiv:2605.17443},
year = {2026}
}
备注
Preprint. Submitted to APSIPA ASC 2026