实时短回应选择任务掩盖生成延迟

Hien Ohnaka等作者提出“实时短响应选择”任务，可与现有轮次转换模型集成，用来掩盖语言生成与语音合成造成的延迟。 其模型用对比学习学习对话上下文与短响应的映射，在检测到轮次转换事件时，从预生成候选中选出一条先播放。作者称实验显示该方法能基于对话上下文选择短响应，优于随机和基于LLM的基线，且集成后轮次转换预测性能保持不变、处理开销极小。

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。