arXiv cs.CL· Arya Bastani, Iman Modarressi·· 2 小时前AI 评分37
研究：GPT Realtime、Gemini 3.1 Flash Live 等语音模型几乎在每个停顿处都抢话
People Making Conversation: Evaluating How Naturally Speech Models Converse
AI 导读
一项针对 176 段无脚本对话、427 个停顿和 482 个话轮结尾的评测发现，GPT Realtime、Gemini 3.1 Flash Live、Grok Voice 等托管 API 几乎在每个停顿处都会开口，延迟约 1 至 4 秒（基于静音的端点检测）或约 8 秒（语义话轮检测）。
来源：arXiv cs.CL · arxiv.org