arXiv cs.AI· Rini Sharon, Kadri Hacioglu, Jeena Prakash, Andreas Stolcke·· 13 小时前AI 评分26
语音体裁对轮次结束检测器训练的重要性
The Importance of Speech Genre for End-of-Turn Detector Training
AI 导读
研究隔离出训练数据的语音体裁因素：用同一套可复现标注流程构建多轮人-人对话与单轮人-机两个匹配语料库，分别训练相同的流式 ConvLSTM 轮次结束（EoT）检测器。
正文 · AI 翻译
摘要：轮次结束（EoT）检测此前多从特征、模型和模态角度进行研究，而训练数据的语音体裁受到的关注则少得多。我们对这一因素进行了单独考察。使用一套可复现的标注流程，我们构建了一对匹配的语料库——多轮人-人对话和单轮人-机对话，并分别在各自语料上训练相同的流式 ConvLSTM EoT 检测器。在四个测试集上，对话模型取得的 F1 最高提升 +0.45，其驱动因素是在轮次中段停顿和犹豫处误报更少，而这些现象在单轮语料中较为罕见。这种对话训练效应并非帧级解码所特有。在匹配的完整与否测试下，该效应也出现在话语层面，且跨两个编码器成立，但仅出现在对话测试数据上。因此，仅在单轮语音上测试（如大多数先前工作所做的那样）会掩盖对话训练数据带来的收益。与开源基线相比，我们 180 万参数的模型在每个测试集上都取得了最高 F1。
| 主题： | 音频与语音处理（eess.AS）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.39742 [eess.AS] |
| （或本版本的 arXiv:2610.39742v1 [eess.AS]） | |
| https://doi.org/10.48550/arXiv.2610.39742 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Rini Sharon [查看邮箱]
[v1]
2026年10月29日 星期四 10:05:07 UTC（167 KB）
来源：arXiv cs.AI · arxiv.org