并非所有回退都是失败：理解移动语音助手的回退并从中恢复

对用户输入的深入理解是在现实环境中部署语音助手的核心要求。在实践中，这些系统会遇到由嘈杂的音频输入、转录错误、不明确的请求、不完整的话语或意外激活引起的异构回退情况。现有系统通常使用通用回退消息进行响应，这不能解决底层交互故障，并且可能会降低用户体验。我们研究了部署的基于智能手表的语音助手的后备处理，以在日常环境中提供一般健康支持。我们的分析基于 500 多名用户六个月的真实使用数据，生成了包含 3,030 个匿名、自然发生的后备触发话语的数据集。我们贡献（1）这些交互的操作分类法和带注释的 VoxFallbacks 数据集，（2）在实际部署约束下对分类管道中的不同模型进行比较评估，以及（3）设计稳健且经济高效的回退机制的实践经验教训。结果表明，基于嵌入的轻量级分类器在大多数分类任务上都优于较大的生成模型，同时需要的计算资源要少得多。