合成多说话者对话被广泛用于训练对话自动语音识别（ASR）系统，但哪些时机特性使模拟数据最有效仍不清楚。本文将对话时机视为可控的训练变量，而不仅仅是要复制的语料统计。
我们通过从多个对话语料库中估计的指数倾斜族参数化暂停和重叠时机分布，接着通过拉丁超立方体抽样和多目标贝叶斯优化探索结果的四维参数空间。每个采样的时机配置用于生成模拟训练对话，训练ASR系统，并在匈牙利对话语料库上评估连接排列的单词和字符错误率（cpWER和cpCER）。
结果显示，下游ASR行为更直接地由诱导的时机统计解释，而不是原始模拟器坐标或语料接近性。特别是，较高的重叠暴露与较低的cpWER相关，而较长且更可变的间隔则与较高的cpWER相关；cpCER遵循相同的趋势，但统计支持较弱。
贝叶斯优化带来了适度的整体改进，但其主要价值在于分析：它产生的可控时机干预揭示了模拟对话训练数据中的重叠-间隔权衡。这些发现表明，现实的模拟应辅以与任务相关的重叠、间隔和时机变异性特征的诊断。
博主点评： 本文深入探讨了对话时机在合成训练数据中的作用，尤其是重叠与间隔的权衡对ASR性能的影响。通过贝叶斯优化的方法，研究者不仅获得了理论上的洞见，还为未来的ASR系统训练提供了实用的指导，值得关注。