Голосового ассистента научили отличать паузу в речи от конца фразы

Разработчик описал задачу, знакомую всем, кто звонил в поддержку: человек говорит «мой номер заказа... сейчас, секунду», а бот бодро перебивает его на середине. Определение конца реплики — момента, когда собеседник действительно закончил, — решается заметно хуже, чем распознавание самих слов.

В разборе на Хабре показано, чем это лечится: модель смотрит не только на тишину, но и на то, чем фраза оборвана — на незаконченной конструкции, на союзе, на растянутом гласном. Такая пауза значит «я думаю», а не «я всё сказал».

Практический вывод из статьи прикладной: порог тишины в пару секунд одинаково плохо работает и для быстрой речи, и для человека, который читает номер с чека.