基于RAG增强LLM的游戏导向ASR错误纠正
人工智能
2025-09-30 v1
摘要
随着多人在线游戏的兴起，实时语音通信对于团队协调至关重要。然而，通用ASR系统在处理短语、快速语音、术语和噪声等游戏特定挑战时常常出错。为此，我们提出了GO-AEC框架，集成了大型语言模型、检索增强生成（RAG）以及基于LLM和TTS的数据增强策略。GO-AEC包括数据增强、基于N-best假设的纠正，以及动态游戏知识库。实验表明，GO-AEC将字符错误率降低6.22%，句子错误率降低29.71%，显著提高了游戏场景中的ASR准确率。
引用
@article{arxiv.2509.23630,
title = {Game-Oriented ASR Error Correction via RAG-Enhanced LLM},
author = {Yan Jiang and Yongle Luo and Qixian Zhou and Elvis S. Liu},
journal= {arXiv preprint arXiv:2509.23630},
year = {2025}
}