无人机语音控制管道的评估：从 STT 和 LLM 到直接分类和双塔网络
声音
2024-07-12 v1 人工智能
摘要
本文提出了开发和比较评估了三个用于控制 Tello 无人机的语音命令管道，采用语音识别和深度学习技术。旨在通过语音控制无人机动作来增强人机交互。developed pipelines include: (1) 传统语音转文本（STT）后接大语言模型（LLM）方法、(2) 直接语音到功能映射模型、(3) 基于双塔神经网络的系统。每个管道依据推理时间、准确率、效率和灵活性进行评估。提供详细的方法论、数据集准备和评估指标，全面分析每个管道的优势和适用场景。
引用
@article{arxiv.2407.08658,
title = {Evaluating Voice Command Pipelines for Drone Control: From STT and LLM to Direct Classification and Siamese Networks},
author = {Lucca Emmanuel Pineli Simões and Lucas Brandão Rodrigues and Rafaela Mota Silva and Gustavo Rodrigues da Silva},
journal= {arXiv preprint arXiv:2407.08658},
year = {2024}
}