DeepSpeak-Agentic数据集

我们展示了 DeepSpeak-Agentic，这是一个视频数据集，包含人类和具体 AI 代理之间超过 37 小时的半结构化对话。我们使用该数据集来评估人工智能代理的自动取证识别（音频、视频或文本），研究人机交互的本质，并为大语言模型和人工智能生成的声音和面孔的未来发展提供基准，为具体的人工智能代理提供动力。我们还提供了一个可扩展的数据捕获系统，该系统创建代理，自动将它们与人类工作人员配对，记录指定场景中的视听对话，并识别和分离组合流中的人和代理。