JAL-Turn 联合声学语言建模轮次检测框架

2026年10月15日，arXiv Artificial Intelligence 刊出 Yu Pan 等作者的研究，提出 JAL-Turn——一个面向全双工语音对话的轻量级纯语音轮次检测框架。该框架基于联合声学-语言建模范式，通过跨注意力模块自适应融合预训练声学与语言表征，实现低延迟的 hold/shift 预测。据该报道，JAL-Turn 共享冻结的 ASR 编码器，使轮次检测与语音识别完全并行运行，几乎不增加端到端延迟；作者还提出一套可扩展流水线，可从大规模真实对话语料中自动导出可靠的轮次转换标签。在 Easy-Turn、Smart-Turn 及内部日语客服数据集上，JAL-Turn 的检测准确率与强基线相当，同时保持更优的实时性能。目前进展停留在论文发布阶段。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。