論文の概要: Bug Whispering: Towards Audio Bug Reporting
- arxiv url: http://arxiv.org/abs/2509.00785v1
- Date: Sun, 31 Aug 2025 10:26:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 15:17:03.393427
- Title: Bug Whispering: Towards Audio Bug Reporting
- Title（参考訳）: Bug Whispering: オーディオバグレポートに向けて
- Authors: Elena Masserini, Daniela Micucci, Leonardo Mariani,
- Abstract要約: 本稿では,エンドユーザが音声メッセージを記録・送信することで,経験した問題を即座に報告できるという考えを考察する。
オーディオ記録は実装が簡単で、開発チームが収集できるバグレポートの数を増やす可能性がある。
しかし、オーディオバグレポートには、既存のバグを再現するためのテクニックに挑戦する特定の特徴が示されている。
- 参考スコア（独自算出の注目度）: 4.9636276777583745
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Bug reporting is a key feature of mobile applications, as it enables developers to collect information about faults that escaped testing and thus affected end-users. This paper explores the idea of allowing end-users to immediately report the problems that they experience by recording and submitting audio messages. Audio recording is simple to implement and has the potential to increase the number of bug reports that development teams can gather, thus potentially improving the rate at which bugs are identified and fixed. However, audio bug reports exhibit specific characteristics that challenge existing techniques for reproducing bugs. This paper discusses these challenges based on a preliminary experiment, and motivates further research on the collection and analysis of audio-based bug reports
- Abstract（参考訳）: バグレポートはモバイルアプリケーションの重要な機能であり、開発者はテストから逃れた障害に関する情報を収集できるため、エンドユーザに影響を与える。
本稿では,エンドユーザが音声メッセージを記録・送信することで,経験した問題を即座に報告できるという考えを考察する。
オーディオ記録は実装が簡単で、開発チームが収集できるバグレポートの数を増やす可能性があるため、バグの特定と修正の速度が向上する可能性がある。
しかし、オーディオバグレポートには、既存のバグを再現するためのテクニックに挑戦する特定の特徴が示されている。
本稿では,予備実験に基づいてこれらの課題を論じ,音声によるバグレポートの収集と解析に関するさらなる研究を動機づける。
関連論文リスト
- Understanding the Impact of Domain Term Explanation on Duplicate Bug Report Detection [2.9312156642007294]
重複バグレポートはバグトラッキングシステム(例えばBugzilla)の全レポートの42%を占める。
伝統的な技法は、しばしばテキストに類似した複製を検出することに重点を置いている。
オープンソースプロジェクトのバグレポートの約78%は非常に短い(例:100語未満)。
論文 参考訳（メタデータ） (2025-03-24T16:09:37Z) - Detecting the Undetectable: Assessing the Efficacy of Current Spoof Detection Methods Against Seamless Speech Edits [82.8859060022651]
音声入力編集(SINE)データセットをVoiceboxで作成する。
本手法を用いて編集した音声は従来のカット・アンド・ペースト法よりも検出が困難であることを確認した。
人的困難にもかかわらず, 自己監督型検出器は検出, 局所化, 一般化において顕著な性能を発揮することを示す実験結果が得られた。
論文 参考訳（メタデータ） (2025-01-07T14:17:47Z) - Can Large Audio-Language Models Truly Hear? Tackling Hallucinations with Multi-Task Assessment and Stepwise Audio Reasoning [55.2480439325792]
大規模な音声言語モデル (LALM) は、音声および音声情報の理解と推論に優れた能力を示している。
これらのモデルは、既存の音のイベントを幻覚させ、音のイベントの順序を誤認し、誤って音源を帰属させるなど、依然として課題に直面している。
論文 参考訳（メタデータ） (2024-10-21T15:55:27Z) - Toward Rapid Bug Resolution for Android Apps [0.4759142872591625]
本稿では,既存のバグレポートの限界について述べるとともに,それに対応するための潜在的戦略を明らかにする。
私たちのビジョンは、これらの制限の緩和と、提案された新しい研究の方向性の実行が、レポーターと開発者の両方に利益をもたらす、未来を包含しています。
論文 参考訳（メタデータ） (2023-12-23T18:29:06Z) - Qwen-Audio: Advancing Universal Audio Understanding via Unified
Large-Scale Audio-Language Models [98.34889301515412]
我々はQwen-Audioモデルを開発し、30以上のタスクと様々なオーディオタイプをカバーするために、事前学習を拡大することで制限に対処する。
Qwen-Audioは、タスク固有の微調整を必要とせずに、様々なベンチマークタスクで素晴らしいパフォーマンスを実現している。
さらにQwen-Audio-Chatを開発し、様々なオーディオやテキスト入力からの入力を可能にし、マルチターン対話を可能にし、様々なオーディオ中心のシナリオをサポートする。
論文 参考訳（メタデータ） (2023-11-14T05:34:50Z) - Can LLMs Demystify Bug Reports? [0.6650227510403052]
ChatGPTは報告されたバグの50%を解読し、再現することができた。
報告されたバグの半数に自動的に対処できることは、バグに対処するために機械学習を適用することで、バグを報告できるのは人力のみである、という有望な可能性を示している。
論文 参考訳（メタデータ） (2023-10-10T05:07:00Z) - App Review Driven Collaborative Bug Finding [5.024930832959602]
我々は、同じカテゴリーのモバイルアプリが、進化過程における同様のバグによって影響を受ける可能性があるという仮説に基づいて構築する。
ある履歴アプリの体験を移して、新しいアプリのバグを素早く見つけることができる。
我々は、BugRMSysアプローチを設計し、同じカテゴリのアプリの履歴バグレポートとターゲットアプリのユーザアプリレビューをマッチングすることで、ターゲットアプリのバグレポートを推奨する。
論文 参考訳（メタデータ） (2023-01-07T09:38:06Z) - Auto-labelling of Bug Report using Natural Language Processing [0.0]
ルールとクエリベースのソリューションは、明確なランキングのない、潜在的な類似バグレポートの長いリストを推奨します。
本論文では,NLP手法の組み合わせによる解を提案する。
カスタムデータトランスフォーマー、ディープニューラルネットワーク、および非汎用機械学習メソッドを使用して、既存の同一バグレポートを検索する。
論文 参考訳（メタデータ） (2022-12-13T02:32:42Z) - Using Developer Discussions to Guide Fixing Bugs in Software [51.00904399653609]
我々は,タスク実行前に利用可能であり,また自然発生しているバグレポートの議論を,開発者による追加情報の必要性を回避して利用することを提案する。
このような議論から派生したさまざまな自然言語コンテキストがバグ修正に役立ち、オラクルのバグ修正コミットに対応するコミットメッセージの使用よりもパフォーマンスの向上につながることを実証する。
論文 参考訳（メタデータ） (2022-11-11T16:37:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。