VoxParity

新的 VoxParity 基准揭示语音代理难以处理超越语言的音频线索

一篇新研究论文介绍了一个名为 VoxParity 的基准，旨在评估语音代理在仅凭口头语言之外的关键音频线索进行辨别和响应的能力。该研究测试了 14 个领域的 28 个系统，发现虽然代理可以有效地处理文本记录，但它们常常无法正确解读音频细微差别，如背景噪音、情感语调或特定的发声。许多系统表现与仅处理文本的流程相似，表明它们在利用听觉信息进行适当决策方面存在重大差距，尤其是在高风险场景下。