SID：用语义意图识别语音对话中的打断

由于难以准确检测用户中断，在语音对话系统 (SDS) 中实现自然的全双工交互仍然是一个挑战。当前的解决方案两极分化：基于“易于触发”的 VAD 方法（会误解附和反馈）和稳健的端到端模型（会出现不可接受的响应延迟）。此外，缺乏现实世界的基准和整体指标阻碍了该领域的进展。本文提出了一个克服这些限制的综合框架。我们首先介绍 SID-Bench，这是第一个完全基于现实世界人类对话构建的语义感知中断检测基准。为了对响应性与鲁棒性之间的权衡进行严格评估，我们提出了平均惩罚时间（APT）指标，该指标为误报和延迟响应分配了时间成本。在此框架的基础上，我们设计了一个基于 LLM 的检测模型，通过新颖的训练范例进行优化，以捕获意图的微妙语义线索。实验结果表明，我们的模型显着优于主流基线，实现了 APT 降至约三分之一。通过成功解决速度和稳定性之间长期存在的紧张关系，我们的工作为 SDS 中的智能中断处理建立了新的最先进技术。为了方便未来的研究，SID-Bench 和相关代码可从以下网址获取：https://github.com/xkx-hub/SID-bench。