语音体裁对轮次结束检测器训练的影响

对话语音训练可显著提升轮次结束检测的 F1。

资讯摘要

论文关注轮次结束（EoT）检测中训练数据的语音体裁因素。作者用同一套可复现标注流程构建多轮人-人对话与单轮人-机两组语料，分别训练相同的流式 ConvLSTM 检测器。在四个测试集上，对话模型 F1 最高高出 0.45，主要因为对单轮语料中少见的句中停顿与犹豫减少了误报；该效应在话语级、两种编码器下也出现，但仅限对话测试数据。作者指出仅在单轮语音上测试会掩盖对话训练数据的收益，其 1.8M 参数模型在各测试集上 F1 最高。

要点速读

1. 作者构建多轮人-人对话与单轮人-机匹配语料，训练同一流式 ConvLSTM EoT 检测器。
2. 四个测试集上对话训练模型 F1 最高高 0.45，源于减少句中停顿与犹豫的误报。
3. 该效应在话语级和两种编码器下出现但仅限对话测试数据；1.8M 参数模型在各测试集 F1 最高。

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 2026/10/31 08:00:18（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。