論文の概要: DuplexWorld: Can voice agents help you get through the day?
- arxiv url: http://arxiv.org/abs/2608.10716v1
- Date: Tue, 11 Aug 2026 09:34:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:45.994763
- Title: DuplexWorld: Can voice agents help you get through the day?
- Title（参考訳）: DuplexWorld: 音声エージェントは一日中役に立ちますか?
- Abstract要約: 音声合成(S2S)音声エージェントは、顧客ケアや消費者のための日次コンパニオンとして、ますますエンタープライズに組み込まれつつある。
既存のベンチマークでは、本当に重要な軸に沿って音声エージェントを評価することができず、データベースに対するエージェントツールの呼び出しのテストとして形作られています。
私たちは、日常的な活動がもたらす会話の多様性を適切に説明できないと信じており、エージェントがデータベース操作を超えたタスクをいかに忠実に支援できるかを決してテストしません。
- 参考スコア（独自算出の注目度）: 36.94429692322632
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Speech-to-speech (S2S) voice agents are increasingly being incorporated into enterprise for customer care and as daily companions for consumers owing to the ease of the conversational modality over text. However, existing benchmarks fail to holistically evaluate voice agents along axes that really matter and are shaped as tests of agentic tool calling against a database. We believe they fail to adequately account for the diversity of conversational dialogue that mundane activities introduce and further, never test how faithfully an agent can assist on tasks that move beyond database manipulation. To tackle this DuplexWorld introduces six worlds where voice agents are especially useful: banking, insurance, travel, healthcare and logistics, and Pathfinding. Agents are evaluated on eleven different types of conversations across 156 scenarios (350+ hours of conversation), each testing conversational and analytical capability to varying degrees. Through extensive evaluation comprising agentic, conversational and speech-naturalness metrics, we show that even the best voice agents leave substantial room for improvement on all 3 axes (Pass@1: 0.490, turn-taking: 0.653, DNSMOS: 3.378). We perform extensive analysis on agentic v conversational performance, world- and conversation type-wise performance, failure modes exploring the explore v exploit lens for Pathfinding conversations and voice agent reliability over all six worlds.
- Abstract（参考訳）: 音声合成(S2S)音声エージェントは、テキストによる会話のモダリティの容易さにより、カスタマーケアや消費者のための日次コンパニオンとして、ますます法人化されつつある。
しかし、既存のベンチマークでは、本当に重要な軸に沿って音声エージェントを評価することができず、データベースに対するエージェントツール呼び出しのテストとして形作られています。
私たちは、日常的な活動がもたらす会話の多様性を適切に説明できないと信じており、エージェントがデータベース操作を超えたタスクをいかに忠実に支援できるかを決してテストしません。
この問題を解決するために、DuplexWorldは、銀行、保険、旅行、ヘルスケアとロジスティクス、パスフィンディングという、ボイスエージェントが特に役立つ6つの世界を紹介している。
エージェントは156のシナリオ(350時間以上の会話)で11種類の会話で評価される。
エージェント,会話,音声の自然度の測定値を含む広範囲な評価を通じて,最高の音声エージェントでさえ,すべての3つの軸を改善するための十分な余地を残している(Pass@1: 0.490,ターンテイキング: 0.653, DNSMOS: 3.378)。
エージェントvの会話性能、ワールド・アンド・会話タイプのパフォーマンス、パスフィンディングのための探索vエクスプロイトレンズの探索、および6つの世界における音声エージェントの信頼性について広範囲に分析を行った。
関連論文リスト
- MP-Bench: Evaluating Voice Agents as a Multiparty Conversation Participant [138.90198190949545]
MP-Benchは,対話型音声システムに対して,マルチパーティ・コンテクスト内でのアクティブな参加者としての評価を目的とした,最初のベンチマークである。
MP-Benchは、ターンテイキングの認識と応答の適切性という2つの主要な側面に沿ってエージェントの振る舞いを評価する。
リアルタイム音声エージェントは、マルチパーティの理解において22%以下にとどまり、マルチパーティのターンテイクにおいてほぼチャンスであることがわかった。
論文 参考訳（メタデータ） (2026-09-11T17:11:55Z) - Learning to Interrupt in Language-based Multi-agent Communication [41.62604808881143]
本稿では、現在話者を割り込むために耳を傾けているエージェントに対して、割り込み可能な通信フレームワークを提案する。
我々は,2エージェントテキストピクチャリーゲーム,3エージェントミーティングスケジューリング,3エージェント討論など,多エージェントシナリオにおけるフレームワークの評価を行った。
実験の結果,HANDRAISERは,タスク性能に優れたベースラインに比べて,通信コストを32.2%削減できることがわかった。
論文 参考訳（メタデータ） (2026-04-07T20:47:40Z) - $τ$-Voice: Benchmarking Full-Duplex Voice Agents on Real-World Domains [19.01569475622701]
$$-voiceは、現実の複雑なタスクで音声を評価するためのベンチマークである。
$-voiceは、音声エージェントへの進捗を測定する再現可能なテストベッドを提供する。
論文 参考訳（メタデータ） (2026-03-14T01:46:52Z) - VoiceAgentBench: Are Voice Assistants ready for agentic tasks? [5.639970295197759]
本稿では,現実的な音声エージェント設定におけるSpeechLMの評価ベンチマークであるVoiceAgentBenchを紹介する。
インドの文脈に根ざした5,500以上の合成音声クエリで構成されている。
ツール選択の正確性、構造的整合性、ツールの実行の正しさを測定する。
論文 参考訳（メタデータ） (2025-10-09T09:11:38Z) - Cloning a Conversational Voice AI Agent from Call\,Recording Datasets for Telesales [0.0]
通話記録のコーパスから会話音声AIエージェントをクローンする手法を提案する。
我々のシステムは電話で顧客に耳を傾け、合成音声で応答し、トップパフォーマンスの人間エージェントから学んだ構造化されたプレイブックに従う。
本発明のクローン化剤は、導入、製品コミュニケーション、販売ドライブ、異物処理、閉店を含む22の基準で、人為的エージェントに対して評価される。
論文 参考訳（メタデータ） (2025-09-05T07:36:12Z) - Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。
この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。
実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
論文 参考訳（メタデータ） (2024-11-07T21:37:51Z) - X-TURING: Towards an Enhanced and Efficient Turing Test for Long-Term Dialogue Agents [56.64615470513102]
チューリングテストは、自然言語の会話においてAIが人間のような振る舞いを示すかどうかを調べる。
従来の設定では、各参加者は一度に1つのメッセージに制限される。
本稿では,textitburstダイアログパターンを用いて,元のテストを強化するtextbftextscX-Turingを提案する。
論文 参考訳（メタデータ） (2024-08-19T09:57:28Z) - Interactive Conversational Head Generation [68.76774230274076]
対面会話における1つのインターロケータの振る舞いを合成するための新しい対話ヘッド生成ベンチマークを提案する。
長時間・複数回会話に参加可能なインターロカクタを自動的に合成する機能は不可欠であり、様々なアプリケーションにメリットを提供する。
論文 参考訳（メタデータ） (2023-07-05T08:06:26Z) - Duplex Conversation: Towards Human-like Interaction in Spoken Dialogue
System [120.70726465994781]
マルチモーダル音声対話システムにより、電話ベースのエージェントが、人間のような顧客と対話できる。
製品で学んだ教訓を共有するために、Conversation Duplex Alibabaのインテリジェントなカスタマサービスをデプロイしています。
オンラインA/B実験は,提案システムにおいて応答遅延を50%低減できることを示した。
論文 参考訳（メタデータ） (2022-05-30T12:41:23Z)
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。