DESAMO：一种由嵌入式音频模态大语言模型驱动的老年友好型智能家居设备
人机交互
2025-08-27 v1 声音
音频与语音处理
摘要
我们提出了 DESAMO，一种由音频大语言模型（Audio LLM）驱动的、适合老年人使用的设备端智能家居系统，支持自然且私密的交互。传统语音助手依赖于基于自动语音识别（ASR）的流水线或 ASR-LLM 级联，通常难以处理老年人用户中常见的含糊语音，且无法处理非语音音频。而 DESAMO 利用音频大语言模型直接处理原始音频输入，从而能够鲁棒地理解用户意图和关键事件，例如跌倒或呼救。
引用
@article{arxiv.2508.18918,
title = {DESAMO: A Device for Elder-Friendly Smart Homes Powered by Embedded LLM with Audio Modality},
author = {Youngwon Choi and Donghyuk Jung and Hwayeon Kim},
journal= {arXiv preprint arXiv:2508.18918},
year = {2025}
}
备注
2 pages, 2 figures. Accepted for presentation as a UIST 2025 Poster