对话轮次间隔仅 200ms:双工语音要在『听』时就把话说好
smolix · x · 2026-11-07
- 跨 10 种语言的对话轮次间隔平均约 200ms(Stivers et al. 2009),而开口说一个词需约 600ms(Levinson & Torreira 2015)——人类靠在对方说话时就规划回答来跟上节奏。
- Higgs Duplex 采用同样策略:每 160ms 步是一次决策(发言、沉默、附和、让步、打断);步内固定输出 2 帧音频 + 2 帧面部隐变量,不再重复决策。
- 推理、工具与委托跨多步在后台运行,不阻塞实时对话。
「多模态」频道最新
- AI 视频逐帧转描工作流:LTX 2.5 LoRA + SAM3 + BiRefNet 分层输出 — PurzBeats · 2026-11-07
- Flux Max 生成螳螂虾对战白鲨翻车，其他画面很电影感 — flowersslop · 2026-11-07
- AI 生成「猫审批转账」名场面,Seedance 2.5 新玩法 — azed_ai · 2026-11-07
- Krea AI 演示双重曝光玩法：人像与城市天际线融合成胶片质感大片 — azed_ai · 2026-11-07
- 用 Claude+Suno+Seedance 全 AI 工具链打造虚拟rapper 首单 — Ror_Fly · 2026-11-07
- 红黑棋盘格×花卉刺绣：一组极具风格的 AI 时尚插画 — OVolosin82152 · 2026-11-07