泰米尔语电话语音轮次结束检测数据集与模型公开，准确率最高86.13%。
资讯摘要
论文提出TamilEOT，作者称其为首个面向南印度语言的语义轮次结束检测开放数据集与检测器，包含116通真实泰米尔语电话对话中18,485个标注轮次边界，以及基于Smart Turn v3架构的两个纯音频检测器。在30通未见通话的4,168个片段上，准确率从零样本70.30%升至83.71%（8.7 MB）和86.13%（21 MB），ROC-AUC从0.751升至0.921，单线程笔记本CPU上运行低于150毫秒。作者还报告了构建成本与负类标签问题。
要点速读
- 数据集含116通真实泰米尔语电话对话的18,485个标注轮次边界，另有4,774个完整轮次及停顿结构。
- 在30通未见通话的4,168个片段上，准确率从零样本70.30%升至83.71%（8.7 MB）和86.13%（21 MB），ROC-AUC从0.751升至0.921。
- 规则生成的负类标签与盲测人工标注一致率仅44.4%，改用音频LLM标注器达97.5%一致，成本5.69美元；数据、权重、代码与负结果均公开。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。