BanglaTurn：面向孟加拉语语音话轮结束检测的基准语料与Whisper模型
该研究提出了用于孟加拉语对话语音话轮结束（End-of-Turn）检测的基准语料库BanglaTurn及配套模型。该语料库包含35,374段时长3至15秒的播客语音，通过说话人日志结合大语言模型初标并经人工全面核验。研究构建了结合Whisper编码器与特定任务分类头的模型，在平衡测试集上达到84.33%的准确率，较基线Smart-Turn v3的69.28%显著提升，并将假阴性率从51.57%降低至7.5%。
推荐理由针对低资源语言孟加拉语构建了对话话轮检测基准和微调模型，有效改善了语音交互中的停顿与轮换判断性能。
原标题：BanglaTurn: A Benchmark and Whisper-Based Model for End-of-Turn Detection in Bangla Speech
阅读 arXiv 自然语言处理 原文 ↗