Easy-Turn

新的X2-Turn模型增强了实时对话轮次转换

研究人员推出了一种新颖的帧同步模型X2-Turn，旨在改进口语对话系统中的轮次转换。该双头模型在帧级别联合预测自动语音识别（ASR）令牌和细粒度轮次状态，解决了先前模块化方法的局限性。通过在共享流式表示上与ASR头并行运行，X2-Turn旨在提高响应速度并降低系统复杂性。在双语Easy-Turn测试集上的评估表明，它在低延迟的情况下能有效进行准确的轮次转换检测。