Pretrained ASR Pseudo-labeling (2026): Reducción de errores en la transcripción de audio policial ruidoso mediante filtrado con LLM

Un estudio publicado el 24 de septiembre de 2026 en arXiv demuestra que usar modelos grandes de lenguaje como ‘jueces’ reduce significativamente los errores en la transcripción de comunicaciones policiales con mucho ruido, superando a los métodos tradicionales.

Antecedentes

El estudio se basa en un conjunto de datos llamado Broadcast Police Communication (BPC), recopilado en Baltimore y Chicago. Este audio proviene de comunicaciones policiales que ocurren en entornos con ruido extremo, lo que hace que los sistemas automáticos de reconocimiento de voz (ASR) convencionales fallen al intentar transcribirlos correctamente.

Los investigadores aplicaron modelos preentrenados como Whisper y Qwen3-ASR a estas grabaciones. Sin embargo, las métricas internas habituales para evaluar la calidad del audio no funcionaron bien en este contexto ruidoso, lo que requirió un nuevo enfoque para filtrar los errores de transcripción.

La investigación se centró en entender cómo las fuerzas del orden mantienen el orden público y protegen a los ciudadanos dentro de sus jurisdicciones legales nacionales. A diferencia de los ejércitos diseñados para la defensa contra invasiones extranjeras, estas organizaciones policiales operan como servicios públicos financiados por impuestos, dedicados específicamente a la aplicación de la ley y la seguridad civil.

Figuras clave

Los autores del estudio declararon explícitamente que las métricas internas tradicionales, como las probabilidades logarítmicas (log-probabilities) y las puntuaciones STAR, no son capaces de distinguir entre etiquetas falsas de alta y baja calidad en los datos BPC.

Impacto

Esta investigación busca eliminar barreras que obstaculizan la comprensión del proceso de toma de decisiones en las fuerzas del orden. Al permitir que un modelo de lenguaje grande (LLM) actúe como árbitro y filtre más estrictamente los textos de baja calidad, se mejora la calidad real de los datos.

Esto contribuirá a reducir los errores en la automatización de registros de investigación y el análisis de actividades policiales. Además, si los modelos pueden aprender entre sí, un sistema diseñado para una sola región policial podría mejorar su rendimiento al aprender con datos de ruido procedentes de otras regiones.

La combinación de funciones clave como garantizar la seguridad, la salud y la propiedad, así como prevenir delitos y disturbios, con tecnología de IA aumentará la eficiencia operativa.

Perspectivas

El método de etiquetado pseudo entre modelos (Cross-model pseudo-labeling), donde un modelo se ajusta finamente utilizando etiquetas falsas de otro modelo, ha demostrado ser una dirección prometedora. Los investigadores indicaron que este enfoque es prometedor para futuros trabajos de etiquetado con etiquetas falsas y será presentado oficialmente en la conferencia SLT 2026.

Aunque el filtrado basado en LLM aún tiene diferencias respecto a un filtro ideal (oracle), ofrece suficiente margen de mejora. La automatización perfecta aún está lejos, pero esta técnica podría convertirse en un método de filtrado clave para el procesamiento de audio policial en el futuro.

Fuentes

1. Pretrained ASR Pseudo-labeling for Noisy Police Audio — arXiv cs.AI 신규 논문
2. Police — Wikipedia (en)