Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2501.01384v1

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2501.01384v1 (cs)
[提交于 2025年1月2日 ]

标题: OmniChat:通过可扩展的合成数据增强多样化场景的口语对话系统

标题: OmniChat: Enhancing Spoken Dialogue Systems with Scalable Synthetic Data for Diverse Scenarios

Authors:Xize Cheng, Dongjie Fu, Xiaoda Yang, Minghui Fang, Ruofan Hu, Jingyu Lu, Bai Jionghao, Zehan Wang, Shengpeng Ji, Rongjie Huang, Linjun Li, Yu Chen, Tao Jin, Zhou Zhao
摘要: 随着大型语言模型的快速发展,研究人员已经创建了越来越先进的语音对话系统,这些系统可以自然地与人类进行对话。 然而,这些系统仍然难以处理现实世界对话的全部复杂性,包括音频事件、音乐情境和情感表达,主要是因为当前的对话数据集在规模和场景多样性方面受到限制。 在本文中,我们提出利用合成数据来增强跨不同场景的对话模型。 我们引入了ShareChatX,这是第一个全面的、大规模的语音对话数据集,涵盖了多种场景。 基于这个数据集,我们介绍了OmniChat,一个具有异构特征融合模块的多轮对话系统,旨在优化不同对话情境中的特征选择。 此外,我们探讨了使用合成数据训练对话系统的关键方面。 通过全面的实验,我们确定了合成数据和真实数据之间的理想平衡,在真实世界对话数据集DailyTalk上实现了最先进的结果。 我们还强调了合成数据在应对多样化、复杂对话场景中的重要性,尤其是涉及音频和音乐的场景。 有关更多细节,请访问我们的演示页面 at \url{https://sharechatx.github.io/}.
摘要: With the rapid development of large language models, researchers have created increasingly advanced spoken dialogue systems that can naturally converse with humans. However, these systems still struggle to handle the full complexity of real-world conversations, including audio events, musical contexts, and emotional expressions, mainly because current dialogue datasets are constrained in both scale and scenario diversity. In this paper, we propose leveraging synthetic data to enhance the dialogue models across diverse scenarios. We introduce ShareChatX, the first comprehensive, large-scale dataset for spoken dialogue that spans diverse scenarios. Based on this dataset, we introduce OmniChat, a multi-turn dialogue system with a heterogeneous feature fusion module, designed to optimize feature selection in different dialogue contexts. In addition, we explored critical aspects of training dialogue systems using synthetic data. Through comprehensive experimentation, we determined the ideal balance between synthetic and real data, achieving state-of-the-art results on the real-world dialogue dataset DailyTalk. We also highlight the crucial importance of synthetic data in tackling diverse, complex dialogue scenarios, especially those involving audio and music. For more details, please visit our demo page at \url{https://sharechatx.github.io/}.
主题: 计算与语言 (cs.CL) ; 人机交互 (cs.HC); 声音 (cs.SD); 音频与语音处理 (eess.AS)
引用方式: arXiv:2501.01384 [cs.CL]
  (或者 arXiv:2501.01384v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.01384
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Xize Cheng [查看电子邮件]
[v1] 星期四, 2025 年 1 月 2 日 17:58:23 UTC (9,748 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs
cs.HC
cs.SD
eess
eess.AS

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号