ELLSA 2全双工对话模型论文发布

2026年10月16日，arXiv Computer Vision 刊出 Siyin Wang 等作者的论文，提出 ELLSA 2 全双工对话模型。据该论文，ELLSA 2 是一个端到端全双工对话模型，联合优化语音交互与流式手势-表情生成；其做法是通过自回归分块合成器，结合预训练声学特征与对话骨干的听说隐状态，从而在模型不说话时也能持续生成非语言动作。目前该事件仅有这一篇主报道，尚无跟进报道，也没有关于模型性能指标、开源情况或应用限制的进一步信息。

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。