JAL-Turn：面向全双工语音对话的联合声学-语言实时轮次检测建模

JAL-Turn 是一个轻量级纯语音轮次检测框架，通过 cross-attention 模块自适应融合预训练声学与语言表征，实现低延迟的 hold/shift 预测。它共享冻结的 ASR 编码器，使轮次检测与语音识别完全并行运行，几乎不增加端到端延迟。在 Easy-Turn、Smart-Turn 及内部日语客服数据集上，JAL-Turn 检测准确率媲美强基线，同时保持更优的实时性能。