一位开发者在他们的语音机器人 Preterview 中遇到了 Silero VAD 结束检测的问题,其中固定的 700 毫秒静音阈值过早地结束了 11.8% 的语音回答。这导致了不完整的转录和浪费的 LLM 调用。通过分析 1000 个录制的回答轮次,开发者发现许多过早结束发生在说话者在连词、填充词或列表开头词后停顿时。一种自适应窗口方法,仅在转录尾部表明不完整时将静音检测延长至 2000 毫秒,将过早切断的比例降低到 2.1%,同时保持 700 毫秒的中位数等待时间。 AI
影响 自适应静音检测可以通过减少过早结束对话来改善语音机器人的用户体验。
排序理由 开发者为产品(Preterview)中的特定软件组件(Silero VAD)实施了修复。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →