跳到正文
arXiv · NLP· Cheng-Kuang Chang, Alexander H. Liu, Brian Kingsbury, Hilde Kuehne, Rogerio Feris, Samuel Thomas, James Glass, Kai-Wei Chang·· 2026-10-14AI 评分41

D2 框架将 Qwen3-Omni 等半双工模型转化为全双工模型,实现低延迟实时交互

D2: High-Capability Full-Duplex Spoken Language Models from Half-Duplex Backbones

AI 导读

D2 框架通过解码器无关的表示蒸馏和监督微调,将 Qwen3-Omni 等半双工模型转换为具备高通用能力的全双工语音模型。 在 12.5Hz 更新率下,Qwen3-Omni-D2 实现 99.2% 的接话成功率、521ms 延迟及 70.1 的 SOTA VoiceBench 分数。 该框架系统性研究了块大小对交互与计算的影响,支持在高时间粒度下兼顾通用能力与实时性。

来源:arXiv · NLP · arxiv.org