یکی از چالشهای بزرگ در ساخت دستیارهای صوتی هوشمند (مثل چتباتهای سخنگو)، کمبود دادههای باکیفیت و تفکیکشده است. حالا محققان «DuplexChat» را معرفی کردهاند؛ یک مجموعه داده عظیم و متنباز شامل بیش از ۴۰۰ هزار ساعت مکالمه دوطرفه که به صورت دقیق تفکیک شده است.
ویژگیهای کلیدی این پروژه:
✅ تفکیک کامل صدای هر گوینده (Full-Duplex).
✅ بهرهگیری از پادکستهای واقعی برای آموزش دقیقتر تعاملات انسانی.
✅ پوشش گسترده زبانهای انگلیسی و ژاپنی.
این دیتاست جدید میتواند گام بزرگی برای رسیدن به هوش مصنوعیهایی باشد که مکالمهای انسانیتر، طبیعیتر و با زمانبندی (Turn-taking) دقیقتر ارائه میدهند. این یعنی آینده دستیارهای صوتی بسیار واقعیتر از چیزی است که تصور میکنید! 🚀
منبع: arXiv NLP