跳到主要内容
检索

# 声学上下文门控

1 篇关联报道

订阅更新
  1. arXiv

    VGBench 用 1018 条对照样本测出:语音助手能认出工具,却几乎不会因换人说话而闭嘴

    作者提出 VGBench——一个含 1018 条样本的诊断基准,用旁谈、自语和说话人切换三类场景,在“静默/调用工具/自然语言回答”的统一动作空间下考察音频大模型是否依据声学与会话语境决定是否执行;六个原始音频大模型和三种免训练改法常常能识别目标工具,却在说话人切换条件下极少静默(最高原始静默率 14%),而以 VoxGate 为案例的监督后训练把切换命令静默率提升到 91.3%,同时保持近场佩戴者命令与纯文本控制的工具选择正确。

已读完全部报道