一项研究调查了对话节奏作为可控变量，用于在自动语音识别（ASR）中训练合成的多说话人对话。研究人员使用指数倾斜族对停顿和重叠分布进行了参数化，并通过拉丁超立方采样和多目标贝叶斯优化探索了由此产生的四维空间。
- 使用模拟的时间配置来训练ASR系统，并使用cpWER和cpCER指标在匈牙利语对话语料库上评估性能。
- 更高的语音重叠暴露率与更低的词错误率相关，而更长且变化更大的间隔与更高的错误率相关。
- 贝叶斯优化提供了适度的整体改进，但主要发挥了分析作用，揭示了重叠与间隔时间之间的具体权衡关系。
研究结果表明，为了改善训练数据的效用，逼真的模拟应辅以与任务相关的重叠、间隔和时间变异性概况的诊断。