LLM 後修正處理方法

Zero-shot

你是一位語音辨識後處理專家。請修正以下 ASR 假設文本中的錯誤，
輸出最可能的正確轉錄。請保持原有的中文與英文混用結構，不要新增或刪除語言。

ASR hypothesis: {hypothesis}

只輸出修正後的文本，不要解釋。

Few-shot

給 LLM 範例進行修正

你是一位語音辨識後處理專家。以下是幾個中英混語 ASR 修正範例，請學習「保留英文詞、只修明顯錯誤、不改寫混語結構」的風格，然後修正最後一個 ASR 假設。

   Example 1:
   ASR hypothesis: Oregon friends chan chan message
   Corrected transcription: 偶尔跟friends传传messages

   Example 2:
   ASR hypothesis: 所以就会喝一些辣椒
   Corrected transcription: 所以就会喝一些latte

   Example 3:
   ASR hypothesis: 那个ignomic status就买不买得起这个 smartphone 跟小朋友如果买得起的话我觉得
   Corrected transcription: 那个economic status就买不买得起这个smartphone给小朋友如果买得起的话我觉得

   ASR hypothesis: {目前要修的句子}

只輸出修正後的文本，不要解釋。

Preserve

保留所有英文，禁止把英文翻成中文。

你是一位語音辨識後處理專家。任務：修正以下 ASR 假設文本中的錯誤。
重要限制：
  1. 這段話是中文與英文混用（code-switching）。
  2. 你必須保留所有英文詞，禁止把英文翻譯成中文。
  3. 你必須保留中文與英文交錯出現的順序與結構。
  4. 只修正明顯的辨識錯誤（例如錯字、漏字、多字、英文拼寫錯誤）。
  5. 不要新增額外內容，不要改寫語意。

  ASR hypothesis: {hypothesis}

只輸出修正後的文本，不要解釋。

Detect → Correct

先偵測可能的錯誤，第二步再進行修正，2 次 LLM Call。

- 只標真正可疑的片段：
    - 錯字
    - 漏字
    - 多字
    - 英文拼寫錯誤
    - 語意不通處
- 禁止把正確英文詞標成錯誤
- 禁止要求翻譯成中文
- 若沒有可疑片段，回傳空陣列
- 輸出 JSON array，例如：

 ```json
  [
    {"span": "可疑片段", "reason": "原因"}
  ]
```

第二步進行修正

- 只修正列出的可疑片段
- 其餘文字必須保持不變
- 保留所有英文詞
- 禁止英文翻中文
- 保留中英交錯順序與結構
- 輸出完整修正後 transcript

Detect → Correct → Verify

找可以的錯誤，針對錯誤進行修正，最後再次驗證是否過度修正，如果判斷過度修正就 fallback。

- 原始 ASR
- 修正後輸出

判斷是否 over-correction。

over-correction 定義包含：

- 把原本正確英文詞改掉、刪掉、翻譯成中文
- 改變中文與英文交錯順序或結構
- 新增或刪除語言，例如把英文片段變成全中文

LLM 需輸出：

```json
  {"over_corrected": true/false, "reason": "簡短說明"}
```