跳到正文

LSLM

边说边听的全双工语音对话模型

访问官网

LSLM 是什么

LSLM 被介绍为通过全双工建模提升人机交互自然度的对话模型,能在说话时监听,并可被打断后实时响应。

你可以用它做什么

  • 进行全双工对话
  • 用解码器仅 TTS 生成语音
  • 用流式编码器接收实时音频

上手流程

  • 把模型集成到现有对话系统
  • 配置融合策略与交互设置
  • 针对特定对话场景训练
  • 在噪声条件下测试双工能力

优点与缺点

✓ 我们认可的地方

  • 流式 SSL 编码器处理实时音频输入
  • 资料说明对现有系统影响小、易集成

! 需要留意的地方

  • 需配置融合策略与交互设置
  • 需针对特定对话场景和用户指令训练

常见问题

FDM 指什么?

资料说明指全双工建模,即说话时同时监听。

有哪些融合策略?

资料列出早期融合、中期融合与晚期融合。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法