Can Large Language Models Reliably Correct Errors in Low-Resource ASR? A Contamination-Aware Case Study on West Frisian

En 3 lignesÉtude sur la correction d'erreurs ASR en frison (langue peu dotée) via LLM. Les modèles GPT améliorent les performances WER, y compris sur un dataset offline contrôlant la contamination de données. L'analyse détaillée révèle les patterns de correction des modèles.

Résumé généré par Claude — vérifié par l'humain