全双工语音模型轮次转换风格可迁移

全双工语音语言模型能同时听说，但“何时开口、说多久”这类轮流对话风格一直难以控制。2026年10月16日发布在 arXiv cs.CL 的论文提出一种参考引导的风格迁移方法：研究者在模型残差流的晚层定位出一个 initiative vector（主动性方向），无需训练或标注，可直接从模型自身对话中提取，能提前最多 800 毫秒预判接话时机。缩放该方向会明显改变模型说话的比重，报道称语音占比可从 6%–12% 提升至 42%–61%，而不干预时为 21%–30%。另外，仅提供一段简短参考录音，就能把该说话人的轮流风格迁移到模型上；换用他人的参考录音后，93%–98% 的情况下匹配反而变差。该工作目前以预印本形式公开，尚不见同行评审或复现结果的报道。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。