对话角色对语音 AI 和人类对话者语音对齐的影响 标题:角色和对话者影响对齐 Georgia Zellou、Michelle Cohn 和 Tyler Kline 语音实验室,加利福尼亚大学戴维斯分校语言学系 469 Kerr Hall,One Shields Ave.,戴维斯,CA 95616,美国 通讯作者电子邮件:gzellou@ucdavis.edu 摘要 两项研究调查了对话角色对人类和语音 AI 对话者语音模仿的影响。在单词列表任务中,给予者指示接收者将单词放在两个列表中的哪一个上;这个对话任务类似于用户与语音 AI 系统进行的简单口头交互。在地图任务中,参与者与对话者一起完成填空工作表,这是一项更复杂的交互任务。参与者与两个对话者完成了两次任务,一次作为信息提供者,一次作为信息接收者。通过相似性评级评估语音对齐,并使用混合效应逻辑回归进行分析。在单词列表任务中,参与者在更大程度上仅与人类对话者保持一致。在地图任务中,仅作为给予者的参与者更多地与人类对话者保持一致。结果表明,语音对齐由对话者的类型介导,并且对话角色的影响因任务和对话者而异。关键词:语音对齐、语音-AI、人机交互、对话角色
辉瑞-BioNTech、Moderna 和强生公司的 COVID-19 疫苗已获得美国食品药品监督管理局 (FDA) 的“紧急使用授权”。其他疫苗,例如 Sputnik V 和阿斯利康疫苗,在公布了有希望的有效性结果后,已开始在世界其他国家分发。随后可能还会有多种候选疫苗推出,仍需进行安全性和有效性测试。由于疫苗是分层次分发给公众的,因此关于过去或即将进行的试验的安慰剂组接种问题存在讨论和分歧 ( 1 )。有人认为,只有试验之外原本可以接种疫苗的试验参与者(安慰剂组)[即高危参与者或医护人员 (HCW)] 才应该揭盲并接种疫苗,而所有其他参与者应保持盲法 ( 2 , 3 )。我们认为,一旦证明有效,疫苗制造商和研究人员就有道德义务根据医学伦理的四项原则,揭开 COVID-19 疫苗试验安慰剂组的盲法,并向他们提供疫苗。
摘要:慢性疼痛是一个主要的医疗保健问题。迫切需要更好的机制理解和新的治疗方法。在大脑中,疼痛与 alpha 和 gamma 频率的神经振荡有关,可以使用经颅交流电刺激 (tACS) 来针对这些振荡。因此,我们在 29 名健康参与者的慢性疼痛实验模型中研究了 tACS 调节疼痛和疼痛相关自主活动的潜力。在 6 个记录会话中,参与者完成了强直热痛范例,并同时在前额叶或躯体感觉皮质上接受 alpha 或 gamma 频率的 tACS 或假 tACS。同时,收集疼痛评级和自主反应。使用目前的设置,tACS 不会调节疼痛或自主反应。贝叶斯统计数据证实在大多数情况下缺乏 tACS 效应。唯一的例外是躯体感觉皮质上的 alpha tACS,但证据尚无定论。综合起来,我们未发现 tACS 对健康人类强直性实验疼痛有显著影响。根据我们目前和以前的发现,进一步的研究可能会应用针对体感 alpha 振荡的改进刺激方案。试验注册:研究方案已在 ClinicalTrials.gov 上预先注册(NCT03805854)。观点:调节脑振荡是一种很有前途的疼痛治疗方法。因此,我们应用经颅交流电刺激 (tACS) 来调节健康参与者的实验性疼痛。然而,tACS 不会调节疼痛、自主反应或 EEG 振荡。这些发现有助于塑造未来 tACS 治疗疼痛的研究。
Abel Lagivola 先生,海洋/航海制图师,航海制图,斐济水文办公室,斐济,电子邮件:abel.lagivola@gmail.com Meizyanne Hicks 女士,地理空间信息管理司司长,土地和矿产资源部,斐济,电子邮件:meizyanne.hicks@govnet.gov.fj Sanjesh Kumar 先生,测量师,土地和矿产资源部,斐济,电子邮件:sanjesh.kumar@govnet.gov.fj Sunia Ratulevu 先生,首席政策官员,风险管理与研究,国家灾害管理局,斐济,电子邮件:sunia.ratulevu@govnet.gov.fj Litia Gaunavou - Tuberi 女士,GIS 和遥感项目助理,太平洋共同体 (SPC) 海洋和海事计划,斐济,电子邮件:litiag@spc.int Andrick Lal 先生,高级大地测量师,地球科学、能源和海事,太平洋共同体 (SPC),斐济,电子邮件:andrickl@spc.int Filimoni Yaya 先生,地理空间技术官员,海洋边界,地球科学、能源和海事,太平洋共同体 (SPC),斐济,电子邮件:filimoniy@spc.int
附加文件1:注意:Christiansen等。研究队列和参与者Twinsuk Twinsuk是英国最大的双胞胎注册中心,拥有14,000多个相同和非相同的同性双胞胎(16-100岁)。注册表成立于1992年,是世界上成人双胞胎最详细的研究之一。可用于一千多个表型,环境暴露,生活方式和社会因素的广泛数据。生物样品和数据可在大量队列参与者中获得。先前已经描述了所收集的队列和数据(Verdi等,2019)。所有研究参与者在参加任何研究活动之前都签署了知情同意书。伦理批准是由伦敦国家研究伦理服务局授予了圣托马斯研究伦理委员会(REC参考编号:EC04/015和07/H0802/84)。特定于队列的致谢Twinsuk研究由欢迎信托基金资助;欧洲社区的第七框架计划(FP7/2007-2013)。该研究还获得了国家健康研究所(NIHR)资助的生物资助,临床研究机构和生物医学研究中心的支持,该研究中心位于盖伊和圣托马斯的NHS基金会基金会信托基金会与伦敦国王学院合作。MRC全国卫生与发展调查(NSHD)或1946年英国出生队列NSHD是英国出生队列研究中最古老的研究,其中有关于健康和生活环境的数据,该数据从出生(> 20)(> 20)(> 20)的5,362名男性和妇女从英格兰,苏格兰,苏格兰,苏格兰,苏格兰,1946年3月。在60-64岁时,从236名NSHD参与者的血液DNA样品中获得表观遗传概况,当时进行了密集的表型数据收集,从而增加了整个生命中现有的前瞻性数据的范围和深度。 先前已经描述了队列和收集的数据(Kuh等,2011; Wadsworth等,2005)。 伦理批准是由中央曼彻斯特研究伦理委员会(07/H1008/168和07/H1008/245)和苏格兰A研究伦理委员会(08/MRE00/12)授予的。 同类的致谢英国医学研究委员会为MRC国家健康与发展调查(MC_UU_00019/1)提供了核心资金。 我们感谢研究成员的终身参与以及研究小组的过去和现在成员,包括剑桥的MRC流行病学部门的成员,他们帮助收集和处理数据。表观遗传概况,当时进行了密集的表型数据收集,从而增加了整个生命中现有的前瞻性数据的范围和深度。先前已经描述了队列和收集的数据(Kuh等,2011; Wadsworth等,2005)。伦理批准是由中央曼彻斯特研究伦理委员会(07/H1008/168和07/H1008/245)和苏格兰A研究伦理委员会(08/MRE00/12)授予的。同类的致谢英国医学研究委员会为MRC国家健康与发展调查(MC_UU_00019/1)提供了核心资金。我们感谢研究成员的终身参与以及研究小组的过去和现在成员,包括剑桥的MRC流行病学部门的成员,他们帮助收集和处理数据。
杜斯先生对建筑能源绩效政策立法及其减少排放的能力表示支持。DEW先生建议向ASHRAE审计豁免添加语言,以验证建筑物以验证审计中列出的资本和运营措施的实施。Dews先生还指出,需要完成这些措施的实施以遵守这些措施时需要澄清。DEWS先生建议删除建筑物的“可再生能源为100%的电力负载服务”豁免选项。露西先生还建议,如果保留豁免权,它还应包括明确的能源优化量度(例如,要求最低能源使用强度)露迪斯先生建议在法规中采用法规中的语言,特别是:
PBGC 采取此行动是因为您的计划符合联邦养老金法规定的终止标准。一般来说,这意味着该计划没有足够的资金来支付所有承诺的福利,而您的雇主在财务上无法维持该计划。该计划将于 2020 年 8 月 21 日终止。自该日起,您将无法从该计划中获得任何进一步的福利。当 PBGC 成为您计划的受托人时,我们将通过信件通知您。如果您已退休,我们将继续不间断地支付您的福利。如果您尚未退休,我们将在您符合条件时支付您的保证福利。在 PBGC 成为受托人之前,Brooks Brothers Group, Inc. 仍负责支付计划福利。
当您退休或终止雇佣时,您有资格从您的退休计划中领取分配款。任何现金分配款都将按照您的特定税率缴纳普通所得税。如果您的年龄在 59 岁半以下,您还将支付提前取款罚款,目前该罚款为分配款的 10%。现金分配还要求将全部余额的 20% 发送给 IRS 以承担您的纳税义务,这通常由公司在分配时完成。您可以通过将您的合格分配款转移(“滚动”)到金融机构的个人退休账户 (IRA) 或新雇主的税收合格退休计划来避免立即产生税务后果。转移通常不需纳税,但您应该就您的具体情况咨询您的税务顾问。最后,您可以继续与当前的计划提供商合作并继续成为计划参与者,直到您选择上述选项之一。
摘要 随着移动众包感知的出现,我们现在可以利用公民每天携带的智能手机的感知功能来收集有关城市和事件的信息和情报。寻找能够在所需数据类型方面满足感知任务的最佳众包感知参与者组,同时满足质量、时间和预算限制是一个复杂的问题。事实上,众包感知任务的时间限制和基于位置的性质,再加上参与者的流动性,使得参与者的选择任务成为一项艰巨的任务。在本文中,我们提出了一个全面实用的移动众包感知招募模型,该模型提供可靠性和基于质量的方法来选择最可靠的参与者组,能够为所需的传感数据提供尽可能最好的质量。在我们的模型中,我们采用基于群组的选择方法,其中一组参与者(聚集到站点)使用他们智能手机的综合功能协作完成感知任务。我们的模型是使用 MATLAB 实现的,并使用实际输入进行配置,例如基准传感器的质量得分、不同国家/地区使用最广泛的手机品牌以及与各种事件相关的传感数据类型。进行了广泛的测试,以研究各种参数对参与者选择的影响,并了解在实际 MCS 环境中部署此类过程时所涉及的妥协。获得的结果非常有希望,并为影响移动众包感知参与者选择过程的质量和可靠性的不同方面提供了重要的见解。