perceive-decide-respond

本文介绍了Audio-Interaction，一种统一的流式音频模型，通过端到端框架将离线任务执行与实时音频指令跟随相结合。它提出了用于感知-决策-响应循环的SoundFlow，并在多个基准测试中评估了其具有竞争力的性能。