研究人员开发了全双工口语模型(FD-SLMs)的新框架和基准,该模型可以同时进行听和说。DuplexAct引入了一个包含三级动作分类和真实对话数据的基准,用于评估FD-SLMs中的交互动作。D2框架将现有的半双工模型转换为低延迟的高性能FD-SLMs,在VoiceBench等基准上取得了最先进的性能。此外,JAL-Turn通过联合建模声学和语言线索,为对话系统中的实时轮次检测提供了一种轻量级的纯语音方法。 AI
影响 全双工口语模型的这些进步可能带来更自然、响应更快的语音AI代理和虚拟助手。
排序理由 该集群包含三篇arXiv论文,介绍了口语模型的新基准和框架。
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →