对话轮转自然度自动评估新框架：TurnNat 亮相

在语音对话系统中，轮转自然度是影响交互体验的关键因素，但现有评估方法多依赖人工判断或特定时序指标，难以在统一框架下比较不同类型的时序失误。近日，arXiv 上发布了一项新研究，提出名为 TurnNat 的自动评估框架，旨在解决这一问题。该框架基于因果轮转预测模型，通过分析自然对话数据预测双说话者的语音活动状态，并利用观测到的未来活动的负对数似然度来量化时序异常程度。TurnNat 从话语起始和结束点提取轮转边界单元，汇总帧级评分，并聚合均值与尾部单元得分，最终生成对话级别的自然度评分。研究团队还构建了一个包含自然与扰动对话片段的基准数据集，经人工自然度判断验证。实验表明，TurnNat 能有效识别多种时序失误导致的轮转不自然现象，为全双工口语对话系统的优化提供了自动化评估工具。