arXiv cs.AI· Lichen Zhu, Yueqian Lin, Yiheng Wang, Hai "Helen" Li, Yiran Chen·· 9 小时前AI 评分23
全双工语音模型对话中的轮次交接为何滞后：PersonaPlex-7B 自对弈时序研究
Coupled but Late: Turn-Taking Between Full-Duplex Speech Models in Unscripted Dialogue
AI 导读
两个 PersonaPlex-7B 实例在共享时钟上交换音频 token 进行无脚本对话，其轮次交接时序呈现耦合，但换手明显偏晚，中位数为 400-560 ms，而人类为 137 ms。在伙伴轮次最后 120 ms 内，人类约十分之一的交接发生于此，而模型仅占 1%。延迟单向通道会使响应一比一平移，且响应前的准备期为空，表明模型是在感知到对方结束后的被动等待，而非人类时序所需的轮末预判。
来源：arXiv cs.AI · arxiv.org