PolyAI CTO 谈语音智能体对话节奏

2026年10月2日，PolyAI CTO Shawn Wen 在 Machine Learning Street Talk 访谈中介绍音频原生模型 Dialog-RSN-1。据其介绍，该模型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。训练方面，他提到使用真实嘈杂通话并加入合成噪声，并称过度清洗的音频反而使新模型变差。访谈还涉及延迟、口音以及语音智能体基准测试的不足。目前该事件仅有这一篇报道，尚无其他来源或后续进展。

AI 根据报道生成 · 14 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。