في نظام حوار صوتي، تقوم مكونات تتبع حالة الحوار (DST) بتتبع حالة المحادثة من خلال تحديث توزيع القيم المرتبطة بكل فتحة يتم تتبعها في الدور الحالي للمستخدم، باستخدام التفاعلات التي حدثت حتى ذلك الحين. أغلب الأعمال السابقة اعتمدت على نمذجة الترتيب الطبيعي للمحادثة، باستخدام الاختلافات القائمة على المسافة كتقدير للزمن. في هذا البحث، نفترض أن الاستفادة من الفرق الزمني الفعلي بين الأدوار حاسمة لتحقيق السيطرة الأكثر دقة على سيناريوهات الحوار. قمنا بتطوير نهج جديد يطبق {\it قناع زمني}، بناءً على الفرق الزمني الفعلي، على المتجهات المرتبطة بالفتحات وثبتنا تجريبيًا أن النهج المقترح يتفوق على النماذج الموجودة التي تعتمد على الاختلافات القائمة على المسافة، سواءً على مجموعة بيانات معيارية داخلية أو DSTC2.