El modelo de reconocimiento automático del habla (ASR) generalmente requiere una gran cantidad de datos de entrenamiento para proporcionar mejores resultados en comparación con los modelos ASR entrenados con una pequeña cantidad de datos de entrenamiento. Es difícil aplicar el modelo ASR al habla no estándar como la de pacientes con implantes cocleares (CI), debido a preocupaciones de privacidad o dificultad de acceso. En este documento se propone un modelo ASR efectivo de ajuste fino y aumento. Los experimentos comparan la tasa de error de caracteres (CER) después de entrenar el modelo ASR con el método básico y el propuesto. El método propuesto logró un CER del 36.03% en el conjunto de datos de prueba del habla de pacientes con CI utilizando solo 2 horas y 30 minutos de datos de entrenamiento, lo que representa una mejora del 62% sobre el método básico.