研究人员推出了一种名为DuplexJev的新颖系统,旨在提高全双工语音代理的效率。与传统的缓慢解码不同,DuplexJev将自动语音识别(ASR)编码器的隐藏状态通过一个小型连接器输入到冻结的大型语言模型(LLM)中。这使得系统能够在大约0.1秒内对八个话语做出多个决策,速度远超以往的方法。该系统还展示了识别说话者情绪和性别的能力,准确率达到90%,并且已发布权重和训练流程。 AI
影响 通过使冻结的LLM能够快速处理语音决策并理解非文本记录的线索,提高了语音代理的效率和能力。
排序理由 该条目是一篇研究论文,详细介绍了一种用于语音代理的新系统,包括模型权重和训练方法。[lever_c_research降级:ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- adventists-ai/DuplexJev-32B
- DuplexJev
- Gemini 3.8 Flash
- Gemini 3.8 Live
- GPT-Realtime-2.1
- Hugging Face
- Large Language Model
- LiveKit
- Pipecat
- Qwen3-Omni
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →