otoSpeech Task 发布 20 小时全双工任务对话数据集
kastnerkyle · x · 2026-09-02
oto.earth 发布了 otoSpeech Task 数据集，包含 20 小时英语双人任务对话，采用 CC BY 4.0 协议开源。
数据集特点
- 全双工与任务关联：保留了说话者看到的图像、执行的操作及参考答案，并按时间轴对齐。
- 结构化数据：涵盖 58 个会话、7 种协作任务及 11025 个带时间戳的事件。
背景意义
文章对比了级联系统（ASR+LLM+TTS）与全双工语音模型的优劣：前者可检查任务状态但缺乏自然对话体验，后者交互自然但任务可靠性较弱。该数据集旨在弥合两者差距，推动语音 AI 向“像人类一样说话且能准确完成任务”的方向发展。
「研究」频道最新
- Agent Zero Memory:三系统并行记忆架构刷新两项基准 — dair_ai · 2026-09-02
- OpenAI 新推理技术遭英国安全研究所警告 — pstAsiatech · 2026-09-02
- LeCun与李飞菲力挺：世界模型或是AI下一步 — TheTuringPost · 2026-09-02
- 万元奖金发起 EEG 预测竞赛，攻克抑郁症生物标志物 — bttyeo · 2026-09-02
- PIXIO 研究报告：将开源视频模型生成速度提升 32% — tsi_org · 2026-09-02
- 人脑 MFU 很低，但它是个巨大的 Kernel — _arohan_ · 2026-09-02