DeepSpeak-Agentic：首個超過 37 小時人機對話視訊資料集

研究團隊公開了 DeepSpeak-Agentic 資料集，包含超過 37 小時的半結構化對話影片，對象是人類與具身 AI 代理人。

資料集與應用

資料集支援音訊、影像與文字三種模式的自動鑑識，讓研究者能測試 AI 代理人在不同媒介下的辨識難度，並分析人機互動的行為模式。

可擴充的擷取系統

團隊同時推出一套可規模化的資料擷取系統，流程包括自動生成 AI 代理人、與眾包工作者配對、在預設情境中錄製視訊，最後自動辨識並分離人類與 AI 的音視訊流。

未來影響

此資料集將成為大型語言模型、語音合成與臉部生成技術的基準，協助業界與學術界提升具身 AI 代理人的安全性與可解釋性。

延伸閱讀

• 從提示到情境：CCAI 本體論在生成式人工智慧協作中的實作
• MOOSE-Copilot：以 HAII 協議與樹狀可視化串接 LLM 的探索與精細化流程
• Eliot：以 MiniLM 嵌入、UMAP 與凝聚式聚類實現查詢時 arXiv 論文叢集與時間視覺化

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。