Jan, 2023

口语理解中的填充语：计算和心理语言学角度

PDF
TL;DR本文综述了关于口语交流中的中断，即不流畅现象的研究视角，从心理学和语言学理论、其在自动语音识别和口语交流理解系统中的注释和考虑，到最后从生成的角度进行研究，旨在为 SLU 和对话 AI 社区提供一种可行的途径，讨论当前在该领域中面临的趋势和挑战。
发现论文，激发创造
  • 填充物对话语文本表示的重要性

    本文研究填充语在口语理解任务中的作用，并探究其通过深度上下文嵌入的代表性，以及在模拟口语和预测发言者立场和表达信心等两个下游任务中的应用表现。

    Sep, 2020

  • 填充词检测与分类：一个数据集和基准

    本文提出了一个基于 VAD 和 ASR 识别填充词的管道，并利用分类器区分不同类型，使用 PodcastFillers 数据集验证其有效性，最终成果为一个基准用于未来相关研究。

    Mar, 2022

  • 什么让一个停顿好？探究填充语的转折效应

    本文使用 Voice Activity Projection 模型来分析 filled pauses 的作用，结果表明，filled pauses 确实具有转换保持作用，但其作用可能不如其他提示因素强烈，同时，filler 的韵律属性和位置对 turn-hold 概率有显着影响，并且，在这方面，“uh” 和 “um” 之间没有区别。

    May, 2023

  • 融合语言学知识的实证研究：个性化自然语音合成中的充填式停顿

    本研究旨在探讨基于语言知识的个性化自发性语音合成，着重针对充满话语不流畅的填充停顿进行个性化处理，通过开发一个基于多说话者语料库训练的非个性化外部填充停顿预测器的语音合成方法进行比较评估，证明了填充停顿时态与词汇的交错对自然度和个性化的必要性。

    Oct, 2022

  • 非流畅语音 -- 单说者会话语音数据集与言语表情

    研究表明，非语言语音如笑声、叹息、结巴等虽不直接提供词汇含义，但其提供的语义和语用上下文对理解其间的讽刺等有重要作用。本研究提出了 DisfluencySpeech，一个以真实对话模拟形式重现 Switchboard-1 电话语音语料库中出色演讲的英语语音数据集，为开发能够预测性地从文本中合成非语言语音的 TTS 模型提供了帮助。

    Jun, 2024

  • 自动识别未转录语音中的干扰

    说话不流畅现象，如填充式停顿或重复，是典型言语流畅的干扰。本文研究语言、声学和多模态方法在自动裁剪检测和分类中的应用，发现基于声学的方法在性能上超过语言方法，同时引入多模态结构提升了检测性能。这些创新方法有助于将自动裁剪检测应用于各种应用场景。

    Nov, 2023

  • 利用上下文信息优化槽填充

    本文提出了一种新的方法，即在表示级别和任务特定（即标签）级别上融合上下文信息以区分上下文对单词表示和单词标签的影响，在三个基准数据集上的实验显示，我们的模型比现有模型更加有效，在 Slot Filling 任务中实现了三个基准数据集的新的最优结果。

    Nov, 2019

  • 口语理解调查：最新进展与新领域

    该文章对口语理解技术（SLU）的最新进展和前沿进行了全面概述，包括不同方面，如新分类、新领域和相关资源，旨在为该领域未来的研究提供参考。

    Mar, 2021

  • 构建低资源语言口语理解系统

    研究探索低资源语言环境下，使用拼音转录进行意图分类的方法构建基于语音理解系统，并发现相较于使用语音特征的系统，使用拼音转录的系统具有显著的分类性能提升。

    May, 2022

  • 从不流畅的言语走向流利的翻译

    本文提出了一种在端到端语音翻译模型中加入中间步骤的方法，以去除交谈式语音中的不流利现象，并引入了清理后的 Fisher 西班牙语 - 英语数据集，为清理含绕口令语音的翻译提供了一个基准。

    Nov, 2018