跳到主要内容
检索

# 附和预测器

1 篇关联报道

订阅更新
  1. arXiv

    两条独立录制的台词合成一段对话:神经调度器只学时间,回接预测器决定插话位置

    游戏配音里,两位说话人的台词通常各自在录音棚单独录制,直接拼接后轮次切换生硬、缺少听者回接。这套流程先用回接预测器判断每句台词是否该有听者插话、属于哪一类,再由神经调度器联合安排两条声道的起始时刻,插入停顿与重叠。在 Fisher 语料上,调度器在四项轮次统计中多数比 Moshi、NTPP 等基线更接近真实对话;在 Full-Duplex Bench 上,回接频率为每秒 0.062 次,时间分布与真实回接的 JSD 为 0.644。

已读完全部报道