本研究解决了现有自动语音识别（asr）系统在文本数据稀缺时对真实语音数据标记成本高的问题。提出的hard-synth方法通过使用大语言模型（llm）生成各类领域内文本，同时结合零样本文本到语音（tts）技术，克服了对额外文本数据和预定义语音风格的依赖。实验结果表明，hard-synth显著提升了conformer模型的表现，减少了相对词错误率，且在数据效率和降低asr偏差方面具有潜在影响。
本研究提出hard-synth方法，解决了自动语音识别系统在文本数据稀缺时的标记成本问题。通过大语言模型生成文本，并结合零样本文本到语音技术，显著提升了conformer模型的性能，降低了词错误率。
