arXiv · cs.AI· Yanis Labrak, David Gr\"unert, S\'everin Baroudi, Jiyun Chun, Pawel Cyrta, Sergio Burdisso, Ahmed Hassoon, David Liu, Adam Rothschild, Reed Van Deusen, Petr Motlicek, Andrew Perrault, Ricard Marxer, Thomas Schaaf·· 9 小时前
论文提出合成医生—患者对话生成流程与长音频摘要资源
Generating Synthetic Doctor-Patient Conversations for Long-form Audio Summarization
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yanis Labrak, David Gr\"unert, S\'everin Baroudi, Jiyun Chun, Pawel Cyrta, Sergio Burdisso, Ahmed Hassoon, David Liu, Adam Rothschild, Reed Van Deusen, Petr Motlicek, Andrew Perrault, Ricard Marxer, Thomas Schaaf
期刊信息（来源提供）：Proc. Interspeech 2026, 4384-4389
研究任务与主要进展
研究者提出一个面向长上下文音频推理的合成数据生成流程，并发布 8,800 段合成医生—患者对话、1.3k 小时对应音频及参考 SOAP 记录。该流程包括基于 persona 的对话生成、带重叠和停顿建模的多说话者音频合成与房间声学处理，以及基于大语言模型生成参考 SOAP 记录，全部使用开源权重模型。基于论文摘要的评测显示，现有开源权重系统中，级联方法仍显著优于端到端模型。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org