한 연구는 자동 음성 인식(ASR)을 위한 합성 다중 화자 대화 학습에서 대화 타이밍을 제어 가능한 변수로 조사했습니다. 연구자들은 지수 틸팅(exponential-tilting) 계열을 사용하여 일시 정지 및 오버랩 분포를 매개변수화하고, 라틴 초입체 표본 추출(Latin hypercube sampling)과 다목적 베이지안 최적화를 통해 결과적인 4차원 공간을 탐색했습니다.
- 시뮬레이션된 타이밍 구성이 ASR 시스템 학습에 사용되었으며 cpWER 및 cpCER 지표를 사용하여 헝가리어 대화 코퍼스에서 성능이 평가되었습니다.
- 음성 오버랩 노출량이 높을수록 단어 오류율이 낮아지는 반면, 더 길고 가변성이 큰 갭은 높은 오류율과 관련이 있습니다.
- 베이지안 최적화는 집합적 개선 효과를 다소 제공했지만, 주로 오버랩과 갭 타이밍 간의 특정 트레이드오프를 밝혀 분석적 역할을 수행했습니다.
이 결과는 학습 데이터의 유용성을 향상시키기 위해 현실적인 시뮬레이션에 오버랩, 갭 및 타이밍 가변성 프로파일의 작업 관련 진단을 보완해야 함을 시사합니다.