标签
这篇综述论文评估实时语音代理，通过提出一个分类法和一个名为TRG的最低报告标准，以解决语音建模、轮次转换和代理评估社区中的碎片化问题。
This paper introduces X2-Turn, a frame-synchronous dual-head model that jointly performs streaming ASR and turn state prediction on shared representations, improving turn-taking accuracy and latency in spoken dialogue systems.
本文提出了一种基于参考的评估协议，用于评估语音到语音AI系统的韵律和节奏，通过匹配人类对话数据提供可解释的行为合理性检查。