时序瓶颈：为何时序与重叠对对话式用户界面、语音识别与对话系统至关重要
计算与语言
2023-12-12 v1
摘要
语音识别系统是语音驱动人机交互的关键中介。尽管语音识别在纯净的单人独白音频上表现良好，但开放交互场景中的真实用例仍面临诸多挑战。我们认为时序对对话系统至关重要，并评估了5种主流商业ASR系统对对话与多语言的支持能力。我们发现，6种语言的自然对话数据的词错误率仍然极高，且重叠仍是一大关键挑战（研究1）。这尤其影响对话词汇的识别（研究2），进而对下游意图识别造成严重后果（研究3）。我们的发现有助于评估当前对话式ASR的水平，推动多维错误分析与评估，并识别出在构建鲁棒交互式语音技术道路上最需关注的现象。
引用
@article{arxiv.2307.15493,
title = {The timing bottleneck: Why timing and overlap are mission-critical for conversational user interfaces, speech recognition and dialogue systems},
author = {Andreas Liesenfeld and Alianda Lopez and Mark Dingemanse},
journal= {arXiv preprint arXiv:2307.15493},
year = {2023}
}