OLISIA：一种用于口语对话状态跟踪的级联系统
音频与语音处理
2023-09-01 v3 人工智能
计算与语言
声音
摘要
尽管对话状态跟踪（DST）是口语对话系统的核心组件，近期关于该任务的研究大多处理聊天语料，忽视了口语与书面语之间的差异。在本文中，我们提出 OLISIA，一种集成了自动语音识别（ASR）模型与 DST 模型的级联系统。我们在 ASR 和 DST 模块中引入了若干适配以改进集成度及对口语对话的鲁棒性。借助这些适配，我们的系统在 DSTC11 Track 3（一项评估口语 DST 的基准）中排名第一。我们对结果进行了深入分析，发现对 ASR 输出进行归一化、通过数据增强适配 DST 输入，以及增大预训练模型规模，均在缩小书面与口语对话间性能差异方面发挥重要作用。
引用
@article{arxiv.2304.11073,
title = {OLISIA: a Cascade System for Spoken Dialogue State Tracking},
author = {Léo Jacqmin and Lucas Druart and Yannick Estève and Benoît Favre and Lina Maria Rojas-Barahona and Valentin Vielzeuf},
journal= {arXiv preprint arXiv:2304.11073},
year = {2023}
}