D2框架将半双工语音模型转为全双工

2026年10月15日，arXiv Artificial Intelligence 刊出 Cheng-Kuang Chang 等作者的论文，提出 Dialogue-to-Duplex（D2）框架。据该论文，D2 可将预训练的半双工语音语言模型（HD-SLM）以细粒度时序改造为高能力全双工模型（FD-SLM）：通过无解码器表征蒸馏让音频编码器支持流式，并用监督微调学习全双工交互。论文称，在 12.5Hz 更新率下，Qwen3-Omni-D2 取得 99.2% 的轮次转换成功率、521 毫秒延迟、99.5% 的中断成功率，以及 70.1 的 VoiceBench 分数，为当前最优。上述指标均为论文自述，仅适用于该更新率下的 Qwen3-Omni-D2 配置，不代表其他模型或设置。目前事件进展限于该论文的发布，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。