speech quality predictors

音频大语言模型现可检测不可靠的转录

研究人员开发了一种方法，使音频大语言模型（LLM）能够识别它们何时无法可靠地转录用户输入。当前方法，包括语音质量预测器和生成不确定性，效果有限。然而，研究发现，LLM中的音频编码器表示强烈指示了转录的可靠性。一种新的、轻量级的预测器使用这些表示来识别不可靠的查询，从而使模型能够在生成错误响应之前向用户请求澄清。该预测器达到了很高的宏F1分数，并展示了跨不同音频LLM家族的可迁移性。