本文探讨了大型语言模型（LLMs）在自动语音识别（ASR）中的错误校正能力，提出了无约束和N-best约束校正方法。研究表明，LLMs显著提高了ASR系统性能，降低了词错误率（WER），并改善了语音转录的准确性，为低资源语言提供了解决方案。

本文提出了一种无监督自适应错误校正方法，利用伪标记技术和编码器-解码器模型，显著降低语音识别中的单词错误率。在未见领域中，该方法的性能提升可达10%。

本文探讨了大型语言模型（LLMs）在自动语音识别（ASR）中的应用，尤其是在错误校正和语码转换方面。研究表明，LLMs显著提高了ASR系统的准确性，尤其在有限数据下，纠错率改善可达53.9%。LLMs在医学转录和口语理解任务中表现出色，提升了转录的准确性和语义连贯性，为医疗记录的可靠性提供了希望。