Evaluación para disminuir la pérdida en la transcripción de audios de un centro de comando y control

Abstract

Los avances en el procesamiento de lenguaje natural (NLP) y en los modelos de reconocimiento de voz (ASR) han mejorado la transcripción automática, pero siguen enfrentando limitaciones en entornos desafiantes como los centros de comando y control, donde la calidad del audio y las particularidades del lenguaje afectan a la precisión. Este estudio se enfoca en reducir la tasa de error de palabras (WER) en las transcripciones de audios del Servicio Integrado de Seguridad ECU 911, provenientes de la zona austral de Ecuador, principalmente de la ciudad de Cuenca. Se evaluaron tres escenarios: la versión original del modelo, el modelo con ajuste-fino y el modelo con ajuste-fino acompañado de un filtro paso-bajo. Dependiendo del contexto de ruido y del tamaño del modelo, se lograron mejoras en la precisión de las transcripciones, con reducciones de WER entre un 1% y un 22%. Estos resultados demuestran que la combinación de ajuste-fino y tratamiento de señales es efectiva para mejorar la calidad de las transcripciones, especialmente en ambientes con ruido y características acústicas complejas.