基于LLM的实时语音重建与紧急服务呼叫优先级排序的高效VoIP通信
声音
2024-12-24 v1 计算与语言
机器学习
音频与语音处理
摘要
应急通信系统常因数据包丢失、带宽限制、信号质量差、延迟和抖动等问题而面临中断，导致实时服务质量下降。处于困境中的求助者往往因恐慌、言语障碍或背景噪音而难以传达关键信息，这进一步增加了调度员准确评估情况的难度。应急中心的人员短缺也加剧了调度延误。本文提出利用大语言模型（LLMs）来应对这些挑战，通过重建缺失的语音内容、填补上下文空白，并根据紧急程度对呼叫进行优先级排序。该系统集成了实时转录与检索增强生成（RAG）技术以生成上下文相关的响应，并使用 Twilio 和 AssemblyAI API 实现。评估结果显示，该方法具有较高的精确度、良好的 BLEU 和 ROUGE 分数，并与实际需求高度契合，证明了该模型在优化应急响应流程和有效优先处理关键案件方面的潜力。
引用
@article{arxiv.2412.16176,
title = {Efficient VoIP Communications through LLM-based Real-Time Speech Reconstruction and Call Prioritization for Emergency Services},
author = {Danush Venkateshperumal and Rahman Abdul Rafi and Shakil Ahmed and Ashfaq Khokhar},
journal= {arXiv preprint arXiv:2412.16176},
year = {2024}
}
备注
15 pages,8 figures