利用可控合成对话训练智能语音助手唤醒系统
该研究针对虚拟助手的人机交互场景,提出了一种新型语音唤醒系统。该方案将传统的直接关键词检测扩展为上下文触发检测,在初始唤醒词激活后,系统利用推理能力区分实际用户指令与无关语音,从而确保高效且具备上下文感知的交互。为支撑训练,研究团队设计了一套数据生成架构,成功合成了包含直接调用、上下文跟进等场景的62.3小时可控多说话人对话语料库。
该研究针对虚拟助手的人机交互场景,提出了一种新型语音唤醒系统。该方案将传统的直接关键词检测扩展为上下文触发检测,在初始唤醒词激活后,系统利用推理能力区分实际用户指令与无关语音,从而确保高效且具备上下文感知的交互。为支撑训练,研究团队设计了一套数据生成架构,成功合成了包含直接调用、上下文跟进等场景的62.3小时可控多说话人对话语料库。
ChatGPT 语音功能迎来升级,现已支持接入电子邮件、日历和 Slack 等第三方插件,并由 OpenAI 的 GPT-6 Astra、Sol 和 Luna 模型提供支持。用户仅凭语音交谈便可管理日程安排、发送邮件甚至构建网站。这一更新推动 OpenAI 进一步接近山姆·奥特曼长期设想的、类似科幻电影《她》(Her)中的全天候日常 AI 助手形态。