#语音大模型

共 3 篇相关文章

EMODE 是一种情感感知的语音语言模型，通过动态副语义专家（DPSE）将语义与副语言特征解耦并动态融合，配合三阶段课程训练，显著提升语音大模型在情感理解与共情回应上的表现。

全双工语音大模型 Moshi 和 PersonaPlex 在用户沉默时会不当开口。本文解析虚假开口的因果成因，介绍一种基于反事实干预、无需重训练、可实时运行的抑制方法，实测完美抑制虚假发声并保留真实回应。

实测阶跃星辰Step Audio 2.5与OpenAI GPT Realtime 2的语音对话能力，从推理能力、角色扮演、中文理解、API定价等维度全面对比，帮助开发者选择合适的实时语音AI方案。