एक अध्ययन संवादात्मक समयबद्धता को एक नियंत्रणीय चर के रूप में जांचता है, जो स्वचालित वक्ता पहचान (ASR) में सिंथेटिक बहु-वक्ता संवादों के प्रशिक्षण के लिए है। शोधकर्ताओं ने घातांक-झुकाव परिवार का उपयोग करके विराम और ओवरलैप वितरण को पैरामीटराइज़ किया और लैटिन हाइपरक्यूब सैंपलिंग और बहु-उद्देश्यीय बेयसियन अनुकूलन के माध्यम से परिणामी चार-आयामी स्थान का अन्वेषण किया।
- ASR प्रणालियों को प्रशिक्षित करने और cpWER और cpCER मेट्रिक्स का उपयोग करके हंगेरियन संवाद कॉरपस पर प्रदर्शन का मूल्यांकन करने के लिए सिमुलेटेड टाइमिंग कॉन्फ़िगरेशन का उपयोग किया गया।
- वक्ता ओवरलैप के उच्चतर एक्सपोज़र की शब्द त्रुटि दरों से सहसंबंध है, जबकि लंबे और अधिक परिवर्तनशील गैप उच्च त्रुटि दरों से जुड़े हुए हैं।
- बेयसियन अनुकूलन ने मामूली समग्र सुधार प्रदान किए लेकिन मुख्य रूप से ओवरलैप और गैप टाइमिंग के बीच विशिष्ट ट्रेडऑफ़ को उजागर करके एक विश्लेषणात्मक भूमिका निभाई।
निष्कर्ष संकेत देते हैं कि यथार्थवादी सिमुलेशन को प्रशिक्षण डेटा की उपयोगिता को बेहतर बनाने के लिए ओवरलैप, गैप और टाइमिंग-वेरिएबिलिटी प्रोफ़ाइल के कार्य-संबंधी निदान से पूरा किया जाना चाहिए।