arXiv cs.AI· Lichen Zhu, Yueqian Lin, Yiheng Wang, Hai "Helen" Li, Yiran Chen·· 10 天前AI 评分27
PersonaPlex-7B 全双工语音模型对话中的轮流发言为何滞后
Coupled but Late: Turn-Taking Between Full-Duplex Speech Models in Unscripted Dialogue
AI 导读
两个 PersonaPlex-7B 实例在共享时钟上交换音频 token 进行无脚本对话，其轮流发言时序相互耦合，重新配对说话人会破坏这种耦合。但它们的发言权交接偏晚，中位数为 400-560 ms，而人类为 137 ms；在伙伴发言最后 120 ms 内，人类有十分之一的交接发生于此，而这些模型仅占 1%。
正文 · AI 翻译
摘要：全双工语音模型被训练来与人对话，但它们越来越多地被用于彼此对话，在自我对弈数据生成、智能体社会以及基于模型的评估中。在这个循环中，没有人类会承受时序错误：每个模型的轮流发言就是另一个模型的输入。我们探究这个循环最终稳定在什么时序上。两个 PersonaPlex-7B 实例在共享时钟上以无脚本对话交换音频 token，并将一条发言权转移规则同时应用于它们和 Switchboard。它们的时序是耦合的：跨对话重新配对说话人会破坏这种耦合。但发言权交接发生得较晚，中位数为 400-560 ms，而人类为 137 ms，并且伙伴回合的最后 120 ms——人类预测在此处放置了十分之一的转移——只占它们转移的 1%。延迟信道的一个方向会使响应一比一偏移，并使其前的准备期变为空白，这与在感知到结束之后进行反应性等待一致，而不是人类时序所需的回合结束预测。
| Comments: | 论文正在审稿中 |
| Subjects: | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.08683 [cs.AI] |
| （或使用 arXiv:2610.08683v1 [cs.AI] 引用此版本） | |
| https://doi.org/10.48550/arXiv.2610.08683 arXiv 颁发的 DOI，通过 DataCite（待注册） |
提交历史
来自：Yiheng Wang [查看邮箱]
[v1]
2026年10月6日星期二 17:03:54 UTC（69 KB）
来源：arXiv cs.AI · arxiv.org