Duplex-MPE: 全双工对话中的多方交互基准测试
摘要
本文介绍了Duplex-MPE,一个用于评估AI助手在多方全双工对话中的基准,包含2000个场景,评估模型在响应启动、准确性和静默保持方面的表现。
查看缓存全文
缓存时间: 2026/09/29 08:16
论文页面 - Duplex-MPE:全双工对话中的多方交互基准测试
来源:https://huggingface.co/papers/2609.31948
摘要
实时全双工语音模型能够在说话的同时倾听,从而实现无需严格轮次划分的自然交互。现有基准测试评估了轮次切换、打断处理和多轮对话,但主要聚焦于指定用户,而非参与多人共享对话的助手。我们推出了 Duplex-MPE,以评估此类助手应在何时作答、保持沉默或停止发言。该基准测试包含 2000 个场景,每个场景涉及三到四名人类发言者和一名助手,其中对相同请求的显式与隐式寻址成对出现。模型接收连续的对话音频,无转录文本或预设的轮次边界。通过四项分数衡量新回应的发起能力、回答准确性、静音保持能力以及当人类解决请求时的停止表现。我们评估了五个开源权重语音系统:MiniCPM-o4.5、Moshi、FLM-Audio、Voila 和 Freeze-Omni。MiniCPM-o4.5 在三项评分能力上领先,而其他系统频繁的语音输出可能与准确的回答共存,或未能保持沉默。基于转录文本的 Gemini 3.1 Pro 参考模型对显式请求的响应率比隐式请求高 64.3 个百分点;配对测试未检测到语音系统在响应率上存在显著差异。
查看 arXiv 页面 (https://arxiv.org/abs/2609.31948) 查看 PDF (https://arxiv.org/pdf/2609.31948) 项目页面 (https://step-out.github.io/Duplex-MPE-Page/) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.31948)
通过代理获取此论文:
hf papers read 2609.31948
没有最新 CLI?curl -LsSf https://hf.co/cli/install.sh | bash
引用此论文的模型 0
无模型链接此论文
在模型 README.md 中引用 arxiv.org/abs/2609.31948 以从此页面链接。
引用此论文的数据集 0
无数据集链接此论文
在数据集 README.md 中引用 arxiv.org/abs/2609.31948 以从此页面链接。
引用此论文的 Spaces 0
无 Space 链接此论文
在 Space README.md 中引用 arxiv.org/abs/2609.31948 以从此页面链接。
包含此论文的收藏 0
无收藏包含此论文
将此论文添加到收藏 (https://huggingface.co/new-collection) 以从此页面链接。
相似文章
M3-DuplexBench: A Multi-Turn, Multilingual, Multidomain Benchmark for Full-Duplex Spoken Dialogue Models
M3-DuplexBench is a new multi-turn, multilingual, multidomain benchmark for evaluating full-duplex spoken dialogue systems, supporting English and Japanese across casual conversation and question answering domains.
MTR-DuplexBench:全双工语音语言模型多轮对话的综合评估基准
MTR-DuplexBench为全双工语音语言模型在多轮对话中的评估引入了一个综合基准,解决轮转边界模糊和上下文不一致等挑战,同时评估对话特征、对话质量、指令遵循和安全性。
Omni-DuplexEval: 评估实时双工全模态交互
本文介绍了Omni-DuplexEval,这是一个用于多模态大语言模型中实时双工交互的基准测试和自动评估框架,旨在评估流式场景下的连续响应生成和主动事件检测。
DuplexDrama:一个包含场景、全双工行为、表现力语音和声音事件的合成对话数据集
DuplexDrama 是首个合成口语对话数据集,涵盖人物角色、场景、全双工行为、表现力语音和声音事件,旨在通过超过 2,000 小时的音频数据推动全双工对话模型研究。
DuplexSpeechBench-IFEval: 评估全双工语音代理中的隐式指令遵循
本文介绍了DuplexSpeechBench-IFEval,一个用于评估全双工语音代理中隐式指令遵循的基准测试,包含1,038个测试用例,涵盖八个角色和五种协议,以评估实时语音系统对显式行为与角色隐含行为的遵循程度。