本文来源:乐百一家 论文题目:A Survey of Full-Duplex Spoken Dialogue Systems: Architectural Hierarchy, Interaction Ontology, and Decis…

最新声浪
查看全部 →万字长文详解全双工口语对话系统综述:架构层级、交互本体与决策状态机
256 0 0
开源项目|Agent Presence:开源实时语音框架 Qwen-Audio-Agent 来了
从《Her》里的温柔陪伴,到《普罗米修斯》里冷静执行任务的 David,再到《钢铁侠》里能理解上下文、调度系统、辅助决策的贾维斯,科幻作品一直在想象同一个问题: 真正自然的人机协作,应该是什么样子? 它不应该只是聊天框里的命令输入,也不应该…
88 0 0
缓解 TTS 的重复与漏读:用注意力引导消除语音合成中的稳定性幻觉
近年来,基于大语言模型的语音合成技术快速发展。在普通文本上,模型已经能够稳定生成自然度很高、音色也足够相似的语音。然而,一旦遇到复杂生僻词、排比句或连续重复结构,重复、漏读甚至无限循环等稳定性幻觉仍然可能出现。 这背后有一个基础问题: 语音…
153 0 0
语音对话里的轮次判断:从级联到统一
本文来源:听见未来Tech 全双工(full-duplex)语音交互要求系统在用户说话的同时并行完成识别、理解与响应决策,其核心难点在于判断当前话轮是否结束——决定何时接话、何时继续等待。传统 VAD(Voice Activity Dete…
196 0 0
当机器人开始全面认真倾听:音频具身智能综述来了
本文来源:SV4GoodAIlab 论文题目:Audio Embodied Intelligence: Auditory Perception, Reasoning, and Interaction for Multimodal Agent…
111 1 0
InterSpeech 2026|TF-MoE:面向低算力语音分离的时频专家混合模型
本期将介绍上海交通大学听觉认知与计算声学实验与 Microsoft Research Asia 合作完成的论文 TF-MoE: Time-Frequency Mixture-of-Experts for Efficient Speech S…
214 0 0
ChinaVoices Challenge 中文多方言语音识别挑战赛结果正式揭晓
从赛事启动、数据发布,到公开评测、隐藏评测与系统复核,ChinaVoices Challenge 2026 中文多方言语音识别挑战赛现已圆满完成各项赛程。经过组委会对参赛结果、系统材料与合规情况的综合核验,赛事最终结果于近日正式发布! 本届…
114 0 0
