投稿者は、HAMの音声認識に関する最初の試みを行ったが、私はその結果を試してみたところ、さらなる改善の余地があると感じました。
フォーラムの「SSB Runner」の方のアイデアを参考に、音声認識の効果を高めるためのデータを生成することを検討しています。具体的には、LLM（大規模言語モデル）で共通のベースとなる文章を作成し、TTS（テキスト読み上げ）で音声を合成します。さらに、Python製のツールを使って、ランダムなQRN（量子雑音）、QSB（量子位相変動）などのノイズパターンを生成し、一定規模の合成データセットを作成することで、認識能力を向上させます。
上記のリンクにおけるいくつかの課題：
- 適切な戦略を用いて、LLMに多様な共通のベースとなる文章を生成させる。
- TTSで生成された音声が、愛好家の共通の言い回し（例：Yaesuなどのブランドでの読み方、ICAOアルファベットの説明、信号報告、およびWestern Union 92コードの異なる読み方など）に合致するようにするには、どのようにすればよいでしょうか。
- QRN/QSBを実際の減衰モデルに適合させる方法
いくつかの解決策の可能性が見えてきたので、この方向で進めることができる人がいれば、協力して検討したいと思いました。
闽ICP备2021006864号-7
闽公网安备35020602002794号