Представлены датасет и модели TamilEOT для голосовых ИИ-агентов на тамильском языке

Группа исследователей представила TamilEOT — первый открытый набор данных и модели для семантического определения окончания реплики (End-of-Turn) в телефонных разговорах на тамильском языке. Датасет включает 18 485 размеченных фрагментов из 116 реальных телефонных бесед.

На базе Smart Turn v3 были дообучены две аудиомодели размером 8,7 МБ и 21 МБ. На тестовой выборке из 4 168 клипов точность выросла с 70,30% в режиме zero-shot до 83,71% и 86,13% соответственно, а показатель ROC-AUC достиг 0,921. Обе модели выполняют инференс менее чем за 150 мс на одном потоке процессора ноутбука.

Разметка данных с помощью аудио-LLM обошлась авторам всего в 5,69 доллара США. Разработчики выложили исходный код, веса моделей и датасет в открытый доступ.