full-duplex-speech

提出Listen-Write-Speak (LWS)，一种文本优先的三通道范式，允许单个自回归LLM持续监听、书写可见文本并实时说话，实现无需架构修改的全双工语音交互。

OmniFlatten 是一种新颖的基于 GPT 的模型，通过一种多阶段后训练技术整合语音和文本，在不改变原始架构的情况下实现实时全双工语音对话。