★ 3
CoSTA：压缩语音 token 适配提升口语对话模型效率
论文提出 CoSTA，一种保持兼容性的后处理框架，解耦生成与合成的 token 空间，同时保留原始语音 tokenizer 与解码器。通过均值初始化词表扩展、发音与对话适配，CoSTA 实现约 1.7 倍语音 token 生成加速，降低完整响应延迟并提升吞吐，同时保持响应质量。
arXiv NLP17 天前
#语音对话
共 4 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 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
★ 3
DeepSeek 灰度测试语音对话，支持四种音色
DeepSeek 正在灰度测试 AI 语音对话功能，被覆盖的用户在 App 右上角可见小喇叭按钮，设置页新增“朗读音色”选项，提供四种音色选择。此举意味着 DeepSeek 正从纯文本交互向多模态语音能力延伸。
36氪51 天前
★ 2
Lovable 应用接入 OpenAI GPT-Live 实时语音对话
Lovable 平台宣布支持在应用中添加由 OpenAI GPT-Live 驱动的实时语音对话功能。开发者 @mgfeller 已用其构建可与《挽救计划》角色 Rocky 对话的示例应用。该功能降低了语音交互应用的开发门槛。
Lovable31 天前