电气工程与系统科学 > 音频与语音处理
[提交于 2024年10月28日
(v1)
,最后修订 2024年11月4日 (此版本, v2)]
标题: 使用大型语言模型的后续对话设备定向语音检测
标题: Device-Directed Speech Detection for Follow-up Conversations Using Large Language Models
摘要: 与虚拟助手(VA)的后续对话使用户能够无缝地与其交互,而无需在每次查询后重复使用关键词来调用它。 因此,在后续查询中准确检测设备定向语音(DDSD)对于实现自然的用户体验至关重要。 为此,我们探索了大型语言模型(LLM)的概念,并通过提示预训练的LLM或在LLM之上调整二元分类器,基于ASR解码文本推断后续对话。 在此过程中,我们在设计LLM提示时还利用了ASR的不确定性。 我们通过真实世界的后续对话数据集表明,由于联合建模先前的语音上下文和ASR不确定性,这种方法带来了显著的改进(在10%固定误拒绝率下,误报减少20%-40%),相比于单独建模后续对话。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.