arXiv · NLP· Richard Yucheng He, Chen Xu, Yihang Liu, Tairan Chen, Baodong Cao·· 17 天前AI 评分38
InteractionBench 衡量实时语音系统的时间、任务准确性、耳语音量及接地性
InteractionBench: Measuring Timing, Task Accuracy, Whisper and Volume, and Grounding in Real-Time Voice Systems
AI 导读
InteractionBench 基准在统一录音下评估 7 个实时语音系统的 4 个维度,包含 13 个场景下每系统 221 项测试。 测试了 GPT-Live 等 7 个系统共 1,519 次,发现全双工系统的时序与任务准确性排名相关($\rho = 0.83$),级联系统任务得分最高(38/50)但时序偏低。
来源:arXiv · NLP · arxiv.org