计算机科学 > 计算与语言
[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
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/}.
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.