泰米尔语轮次结束检测数据集与模型发布

研究者 Santhoshkumar V 发布 TamilEOT，据称是首个面向南印度语言的语义轮次结束检测开放数据集与检测器。数据集包含 116 通真实泰米尔语电话对话中的 18,485 个标注轮次边界，并附带基于 Smart Turn v3 架构的两个纯音频检测器。 在 30 通未见通话的 4,168 个片段上，零样本准确率为 70.30%；使用两个模型后分别提升至 83.71%（8.7 MB）和 86.13%（21 MB），ROC-AUC 从 0.751 升至 0.921。两个模型在笔记本 CPU 单线程下运行均低于 150 毫秒。 发布内容包括数据、权重、代码以及全部负面结果。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。