speech-dialogue

本文介绍了SteerDuplex，一个具有可控属性（如语气和个性）的全双工语音对话模型，并提出了SteerBench用于评估语音可控性，展示了使用强化学习相比基线的改进。

DialectS2S是一个面向低资源中文方言的端到端语音对话模型，引入了可扩展的数据合成流程和一种带有自对齐语音监督的两阶段后训练策略。实验表明，在方言一致性、响应质量和可懂度方面均有提升，并且模型、数据和代码全部开源。

BayLing-Duplex是一种原生全双工语音语言模型，使单一自回归大语言模型无需外部VAD模块即可管理轮流发言与打断，实现了高成功率，并相比先前模型提升了回复质量。