待验证50% 置信事实精确时间
预训练ASR系统（如Whisper、Qwen3-ASR）在标准语料上表现优异，但在广播警务通信这类高噪声域中表现糟糕
1
来源数
50%
置信度
长期有效
时效性
2026/9/28
首次发现
来源
涉及实体
相关事实
待验证紧急报警场景中的语音特征（高语速、气喘、哭泣、语句中断重叠）在主流ASR训练数据集中严重不足，形成显著的领域偏移问题73% 相似待验证音频token以重建高保真音频为训练目标，保留音色、情绪、环境音等全部声学信息，而非像ASR输出只保留语言内容70% 相似待验证通用ASR模型的训练数据大多来自播客、有声书、YouTube视频等宽带高质量音频源，与呼叫中心的窄带嘈杂环境存在显著差异68% 相似待验证In real-world call recordings with background noise, colloquial expressions, and overlapping speakers, ASR accuracy typically drops below standard benchmarks.68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/955549API
curl https://kongchang.com/api/v1/knowledge/claims/955549MCP
get_claim(id=955549)