Автоматический конвейер стандартизированной разметки речевых единиц в спонтанном диалоге

Конвейер автоматически отличает полноценные реплики от коротких реакций слушателя и ставит их временные границы в спонтанном диалоге. Его ценность не в полной замене разметчика, а в воспроизводимом первом проходе: обычная активность речи не различает смену хода, обратную связь и паузу внутри реплики.

Метод. Для раздельных каналов собеседников последовательно применяются детектор речи, фильтрация по энергии второго канала, временное объединение фрагментов, распознавание речи и контекстные правила. Проверка охватывает 99 десятиминутных датских разговоров 33 пар; отдельно сравниваются обычное и асимметричное слушание с шумом через костную проводимость.

Результаты. Общий F1 равен 0,621±0,151: 0,624 для реплик и 0,618 для коротких откликов. Для сопоставленных сегментов медианные ошибки начала и конца составляют 150/160 мс у реплик и 130/180 мс у откликов. В четырёх разговорах согласие конвейера с человеком равно 0,626±0,225, тогда как межэкспертное согласие — 0,845±0,118. Значимого различия между условиями слушания не найдено.

Ограничения. Разговоры датские, диадические и записаны по раздельным каналам; перенос на общий микрофон и многопользовательские встречи не показан. Сравнение с ручной разметкой и перебор параметров подробно проведены только на четырёх разговорах. Авторы не измеряют сэкономленное время редактора и отдельно не оценивают ошибки распознавания текста.

Фишка из статьи. Медианная ошибка границы выглядит почти готовой для практики, но средняя раскрывает длинный хвост редких сбоев. Для реплик средняя ошибка около секунды при медиане около 0,15 секунды: автоматическая разметка требует интерфейса, который помогает быстро находить именно такие выбросы.

Как это читать: большинство совпавших границ довольно точны, но крупные ошибки у реплик редки и очень велики. Среднее и медиану здесь нельзя взаимозаменять при проектировании полуавтоматической разметки.