연구에서는 대화형 자동 음성 인식(ASR) 시스템 훈련에 사용되는 합성 다중 화자 대화의 타이밍 특성이 성능에 미치는 영향을 분석했어요. 연구진은 멈춤과 겹침 타이밍 분포를 파라미터화하고, 라틴 초입방 샘플링과 다목적 베이지안 최적화를 통해 4차원 파라미터 공간을 탐색했어요. 결과적으로 겹침 노출이 높을수록 cpWER이 낮아지고, 멈춤이 길고 변동성이 클수록 cpWER이 높아지는 경향을 보였으며, cpCER도 유사한 추세를 보였어요.