backchannel-classifier 0.5.1

backchannel classifier - detect backchannels vs real responses in thai (incl. isan/northern/southern dialects) and japanese asr output

backchannel classifier

detects backchannel responses vs real user input for voice ai systems. supports thai (standard + อีสาน/เหนือ/ใต้ dialects) and japanese (aizuchi).

install

pip install backchannel-classifier

usage

from backchannel_classifier import is_backchannel

# thai (default)
is_backchannel("ครับ")                    # (True, 0.91)
is_backchannel("ไม่ครับ")                 # (False, 0.01)
is_backchannel("ใช่ แต่ว่า")              # (False, 0.01)

# thai dialects
is_backchannel("แม่นเด้อ")                # (True, 0.99)   อีสาน (isan)
is_backchannel("เจ้า")                    # (True, 0.99)   เหนือ (northern)
is_backchannel("จริงเหอ")                 # (True, 0.99)   ใต้ (southern)
is_backchannel("บ่ได้ครับ")               # (False, 0.001) isan negation = real response
is_backchannel("สวัสดีเจ้า")              # (False, 0.0001) northern greeting = real response

# japanese
is_backchannel("はい", lang="ja")         # (True, 0.99)
is_backchannel("そうですね", lang="ja")    # (True, 0.99)
is_backchannel("予約したいです", lang="ja") # (False, 0.0001)

# direct import
from backchannel_classifier.jp import is_backchannel_ja
is_backchannel_ja("なるほど")              # (True, 0.99)

returns (is_backchannel: bool, confidence: float).

why

voice bots using asr → llm → tts pipelines need to distinguish between backchannels (acknowledgment sounds that should be ignored) and real responses that need processing. simple exact matching fails on asr variants and misses edge cases.

approach

gradient boosting classifier with handcrafted language-specific features. key idea: strip known backchannel components from the text, measure what's left (remaining_ratio). if nothing remains, it's a backchannel.

thai (29 features)

feature	importance
remaining_len	0.5639
remaining_ratio	0.2022
is_bc_prefix	0.0991
has_negation	0.0596
has_wama	0.0347

• polite particle detection (ครับ/ค่ะ/จ้ะ variants)
• backchannel sound patterns (อืม/อ๋อ/เออ with tone variants)
• question/negation/request/continuation markers
• handles asr misspellings (ค่า→ค่ะ, คับ→ครับ, อื้ม→อืม)
• handles streaming asr partial words (ฮัลโ→ฮัลโหล, ครั→ครับ) — fragments that are prefixes of known backchannels, with guards so real words (ไม่, ดี) never match
• dialect support:
  • อีสาน (isan): แม่น, เด้อ, เนาะ, โดย, อีหลี + บ่ negation, ไส/หยัง/ใด๋ questions
  • เหนือ (northern): เจ้า, ใจ้/ใจ่, แต๊, เน้อ, กา tags
  • ใต้ (southern): เหอ/หอ/หวา tags, แหละ, พันนั้นแหละ + พรื่อ questions

japanese (27 features)

feature	importance
remaining_ratio	0.7765
remaining_len	0.0484
katakana	0.0347
word_count	0.0325
kanji_ratio	0.0206

• core aizuchi (はい/ええ/うん/そう)
• agreement, understanding, surprise, filler, reaction markers
• question/continuation/request/negation/verb negative indicators
• handles asr elongation variants (はーーい, えーーー)

results

thai

• 99.66% f1 (5-fold cv)
• test suite: 201/201 (100%)

japanese

• 98.37% f1 (5-fold cv)
• test suite: 119/119 (100%)

test coverage

thai (201 cases)

backchannels (102): ครับ, ค่ะ, อืม, ใช่, อ๋อ, เหรอ, ฮัลโหล, asr variants... dialect backchannels (48): แม่น, เด้อ, เนาะ (อีสาน) / เจ้า, ใจ้, แต๊ (เหนือ) / เหอ, หวา, แหละ (ใต้) partial words (13): ฮัลโ, ครั, เจ้, โอเ + guards (ไม่, ดี, สวัส stay real) real responses (76): สวัสดีครับ, ไม่ครับ, ราคาเท่าไหร่ครับ, dialect (บ่ได้ครับ, สวัสดีเจ้า, ว่าพรื่อครับ), edge cases (ใช่ แต่ว่า, แม่น แต่ว่า)...

japanese (119 cases)

aizuchi (63): はい, うん, そうですね, なるほど, へー, まじで, えーと, すごい, 承知しました, compounds... real responses (56): ありがとうございます, いくらですか, 予約したいです, edge cases (はい、質問があります, そうですね、でも...)...

testing

python3 -m pytest tests/ -v

files

• backchannel_classifier/__init__.py - thai classifier + unified api
• backchannel_classifier/jp.py - japanese classifier
• backchannel_classifier/train_data_th.py - thai training data (packaged for sklearn-mismatch retrain)
• backchannel_classifier/train_data_ja.py - japanese training data (packaged for sklearn-mismatch retrain)
• train.py - thai training script
• train_ja.py - japanese training script
• tests/test_classifier.py - thai test suite (201 cases, incl. อีสาน/เหนือ/ใต้ dialects + asr partials)
• tests/test_classifier_ja.py - japanese test suite (119 cases)

requirements

• python 3.8+
• scikit-learn
• numpy

memory

~3.7 MB per language model, lazy-loaded. if you only use thai, japanese model is never loaded (zero overhead).