泰语语义端回合检测：面向实时语音代理
计算与语言
2025-10-07 v1 人工智能
摘要
流畅的语音到语音交互需要可靠且低延迟的检测用户何时结束发言。传统的音频静默端指针会引入数百毫秒的延迟，在顿悟或语言特定现象下会失效。我们提出了首个针对泰语文本-only 端回合（EOT）检测的系统性研究。我们比较了小型大语言模型（LLM）的零样本和少样本提示与轻量级转换器的监督微调。借助 YODAS 语料库的转录字幕和泰语特定语言线索（如句末助词），我们将 EOT 建模为标记边界上的二元决策。我们报告了准确率与延迟之间的明确权衡，并提供了公开就绪的实现计划。本工作建立了泰语基准，表明小型微调模型能够为嵌入式代理提供近乎即时的 EOT 决策。
引用
@article{arxiv.2510.04016,
title = {Thai Semantic End-of-Turn Detection for Real-Time Voice Agents},
author = {Thanapol Popit and Natthapath Rungseesiripak and Monthol Charattrakool and Saksorn Ruangtanusak},
journal= {arXiv preprint arXiv:2510.04016},
year = {2025}
}
备注
IEEE ICSEC 2025