Joy 发布 10 万小时双声道对话数据集

Joy 发布了一个双声道对话数据集，包含 10 万小时无脚本双人真实对话，覆盖 5 万名说话人和 10 种语言，对话中两人各占一条音轨。 Rohan Paul 指出，当前语音 AI 多依赖由 LLM 编写、TTS 朗读的虚假对话来训练，从未听过人们互相抢话；他因此对这些对话如何能持续 10 到 20 分钟感到好奇。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。