计算机科学 > 计算与语言
[提交于 2025年6月26日
(v1)
,最后修订 2025年7月3日 (此版本, v2)]
标题: 提示引导的轮流预测
标题: Prompt-Guided Turn-Taking Prediction
摘要: 对话轮流预测模型是语音对话系统和对话机器人的关键组成部分。 最近的方法利用基于变压器的架构来连续且实时地预测语音活动。 在本研究中,我们提出了一种新模型,该模型可以通过文本提示动态控制对话轮流预测。 这种方法通过诸如“更快”或“更冷静”之类的指令实现直观且显式的控制,能够动态适应对话伙伴和语境。 所提出的模型建立在基于变压器的语音活动投影(VAP)模型之上,将文本提示嵌入到通道级变压器和跨通道变压器中。 我们使用超过950小时的人与人之间的语音对话数据评估了该方法的可行性。 由于现有数据集中没有适用于该方法的文本提示数据,我们使用了大型语言模型(LLM)生成合成提示句子。 实验结果表明,所提出的模型提高了预测准确性,并能根据文本提示有效改变对话轮流时间行为。
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.