Machine Learning Street Talk· Machine Learning Street Talk (MLST)·· 18 小时前AI 评分40
PolyAI CTO Shawn Wen 谈语音智能体如何学习对话节奏
How a Voice Agent Learns the Rhythm of Conversation — Shawn Wen
AI 导读
PolyAI CTO Shawn Wen 在访谈中介绍音频原生模型 Dialog-RSN-1：先预测轮次转换信号，再以带引用的文本回复，最后生成可审计的转写文本。他提到用真实嘈杂通话加合成噪声训练，过度清洗的音频反而让新模型变差，并讨论了延迟、口音与语音智能体基准测试的不足。
来源：Machine Learning Street Talk · podcasters.spotify.com