DuplexGen：自适应合成人机话轮切换对话
摘要
DuplexGen 引入了一种自适应合成人机话轮切换对话的方法，解决了对话式 AI 中自然交互时机的挑战。
arXiv:2607.26178v1 Announce Type: new
摘要：话轮切换是全双工交互的核心组成部分。适当的话轮切换行为因场景而异，但当前模型无论上下文如何都采用单一规范。这一局限性源于其训练数据：人人语音语料库捕捉了自然的时序现象，但缺乏角色定位或场景特定规范，而启发式或提示式合成方法虽然注入了话轮切换行为，却未基于人类偏好。我们提出了 DuplexGen，一个通过将 LLM 预测与少量槽位级别的人类偏好标注进行校准来生成具有场景自适应话轮切换对话的框架。在六个协作与竞争任务中，人类的话轮切换偏好存在系统性差异，而 DuplexGen 与这些偏好的一致性明显高于未校准的提示或仅使用通用人人数据进行训练；一个基于 DuplexGen 生成数据训练的全双工模型展现出独特且符合人类偏好的人话轮切换行为。这些结果表明，实现场景特定的话轮切换合成所依赖的是人类校准，而非仅靠语料库规模或提示设计。
查看缓存全文
缓存时间: 2026/07/30 09:56
# DuplexGen：自适应合成人机轮替对话 来源：https://arxiv.org/html/2607.26178 Takyoung Kim¹，Kang-wook Kim²,⁴¹¹footnotemark:1，Sang Hoon Woo²,⁵，Julia Hirschberg³，Gunhee Kim²，Dilek Hakkani-Tür¹ ¹伊利诺伊大学厄巴纳-香槟分校，²首尔大学，³哥伦比亚大学，⁴加州大学伯克利分校，⁵佐治亚理工学院 tk30@illinois\.edu (https://arxiv.org/html/2607.26178v1/[email protected])，kangwook@berkeley\.edu (https://arxiv.org/html/2607.26178v1/[email protected]) ![[未标注图片]](https://arxiv.org/html/2607.26178v1/all-twemojis.pdf) 项目网站：duplexgen\.github\.io (https://duplexgen.github.io/) spacing=nonfrench DuplexGen：自适应合成人机轮替对话 Takyoung Kim¹††感谢：共同贡献。Kang-wook Kim²,⁴¹¹footnotemark:1，Sang Hoon Woo²,⁵，Julia Hirschberg³，Gunhee Kim²，Dilek Hakkani-Tür¹ ¹伊利诺伊大学厄巴纳-香槟分校，²首尔大学，³哥伦比亚大学，⁴加州大学伯克利分校，⁵佐治亚理工学院 tk30@illinois\.edu (https://arxiv.org/html/2607.26178v1/[email protected])，kangwook@berkeley\.edu (https://arxiv.org/html/2607.26178v1/[email protected]) ![[未标注图片]](https://arxiv.org/html/2607.26178v1/all-twemojis.pdf) 项目网站：duplexgen\.github\.io (https://duplexgen.github.io/) ## 参考文献
相似文章
全双工语音对话模型中的同步与话轮转换
本文通过模拟两个Moshi模型实例之间的对话，利用CKA测量表征对齐并使用LSTM探针预测话轮边界，分析了全双工语音对话模型中的同步与话轮转换动态。
构建像人类一样轮流说话的语音AI代理——没人提醒你的陷阱
本文分享了构建实时语音AI代理的宝贵经验，强调了正确的轮流发言、VAD处理、计费意识以及避免回声循环的重要性。
OpenAI 发布新语音模型，实现更自然的实时对话
OpenAI 发布了新的全双工语音模型 GPT-Live-1 和 GPT-Live-1 mini，旨在实现更自然的实时对话，支持同时说话和聆听，在轮流发言和上下文处理方面有所改进，并取代 ChatGPT 中的 Advanced Voice Mode。
使用远距观看建模话轮转换：探究人类与AI生成话语中的沉默阈值
本文探讨了话轮转换中的沉默阈值如何在人类与AI生成的话语中有所不同，采用远距观看方法分析对话模式。
Natural Conversations with GPT-Live
OpenAI 展示新版语音模型在个性化和自然度上的突破，能够进行自然的头脑风暴式对话，表现出共情和适时插话能力，接近人类对话节奏。