标签
SVPino 强调了 Voice Arena AI 的 Joy 数据集——一个包含 10 万小时的双通道对话式语音数据集，拥有独立的每说话人音轨，并涵盖语音重叠、打断、停顿和反馈词（backchannels），旨在教会语音模型掌握对话节奏。