spoken-language-model

本文介绍了Lychee-FD，一种原生端到端全双工口语语言模型，通过层次化参数分离策略缓解模态干扰，在语音智能和交互流畅性方面取得了显著提升。

FlexiSLM 为语音语言模型引入动态帧率能力，适用于语音输入与输出，性能优于固定帧率模型，并实现可控推理速度。

VITA-QinYu 是一个具有表现力的端到端口语语言模型，支持角色扮演和唱歌功能。该模型在 15.8 万小时的数据集上进行训练，在表现力和对话准确性方面均优于同类模型。