Agentic-GER：利用全局上下文进行长篇语音术语恢复

近年来，语音语言模型的进展提升了长篇音频的自动语音识别（ASR）性能。然而，准确且一致地转写领域专用术语仍然具有挑战性。受大语言模型（LLM）的世界知识和上下文理解能力启发，我们提出了 Agentic-GER，这是一种基于 LLM 的长篇语音术语纠错智能体。该智能体利用完整转写文本中的全局上下文来识别可疑术语并消解歧义假设。它会有选择地重新转写源语音，以核验候选修正结果，并利用已接受的编辑来指导后续决策。在 GigaSpeechBench 上使用四种 LLM 和两种 ASR 系统进行的实验表明，无论是否启用思考模式，该方法都能在中文和英文中持续改善术语识别效果。在中文语音上，相较于 Whisper 基线，Agentic-GER 将偏置字符错误率（B-CER）最高相对降低了 36.8%。