跳到主要内容
检索

# 话轮转换状态机

1 篇关联报道

订阅更新
  1. arXiv

    冻结大模型也能全双工对话:只训9700万参数、约30 GPU小时,停顿抢话率降到0.170

    全双工语音对话通常要靠数十万到上百万小时语音训练,还会改写提供知识的大模型。这套系统把Qwen3-Omni-30B-A3B的思考端整体冻结,只训练低秩适配器、音频适配器、通道融合层和17个新词元嵌入,共9700万参数,用四阶段课程约30 GPU小时完成转换。在Full-Duplex-Bench上,它在开源系统中于用户仅停顿时最不容易抢话,合成子集轮次接管率为0.170,次优系统为0.584;在InteractionBench上,其口语任务准确率、接地性和长对话连贯性在开源系统中领先。

已读完全部报道