★ 3
SteerDuplex：可操控全双工语音对话模型
全双工语音对话模型支持低延迟轮转、打断与附和，但可操控性——按用户指令可靠调整语气、人设、语速与音色——仍未被充分探索。论文提出文本与音频可操控性分类体系，并基于 Moshi 微调出 SteerDuplex，采用两阶段混合奖励强化学习改善时序与响应连续性。配套 SteerBench 含 390 条…
arXiv cs.AI49 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
全双工语音对话模型支持低延迟轮转、打断与附和，但可操控性——按用户指令可靠调整语气、人设、语速与音色——仍未被充分探索。论文提出文本与音频可操控性分类体系，并基于 Moshi 微调出 SteerDuplex，采用两阶段混合奖励强化学习改善时序与响应连续性。配套 SteerBench 含 390 条…