TurnTurk-GPT: previsione basata sul testo del passaggio di turno in turco

Abstract degli autori

Questo articolo presenta TurnTurk-GPT, un predittore del passaggio di turno in turco basato sul testo, ottenuto sottoponendo a fine-tuning un modello GPT-2 turco con l’obiettivo TurnGPT, usando dialoghi sintetici e reali. Il modello viene valutato su conversazioni reali in turco e confrontato con metodi di riferimento basati su regole, un modello linguistico turco zero-shot e un rilevatore di fine turno multilingue ampiamente utilizzato. La valutazione si basa su punti decisionali a livello di parola, su testo senza punteggiatura e convertito in minuscolo, che approssima l’output dei sistemi di riconoscimento vocale in streaming; utilizza inoltre partizioni senza sovrapposizione tra registrazioni e tra parlanti, selezione annidata della soglia e test bootstrap appaiati per cluster. TurnTurk-GPT supera il rilevatore multilingue sia nella valutazione con partizioni distinte per registrazione sia in quella con partizioni distinte per parlante. Supera il modello linguistico zero-shot solo quando i parlanti del test sono presenti nei dati di addestramento; con parlanti mai visti, i due modelli sono statisticamente indistinguibili. Rimuovere i suffissi della parola finale del turno riduce l’AP fino al 44%, rispetto al 2% per una parola interna alla frase, individuando nella morfologia con verbo in posizione finale il segnale di fine turno in turco. I soli dialoghi sintetici producono il modello addestrato più debole e, quando un parlante fa una pausa, i metodi di riferimento zero-shot e multilingue restano vicini al caso. Il modello e il protocollo di valutazione sono resi pubblici.