arXiv · cs.CL· Heeseung Kim·· 19 天前AI 评分39
EgoVoice：基于第一人称多模态流的主动式语音助手框架
EgoVoice: Proactive Spoken Assistance from Egocentric Multimodal Streams
来源与原文
arXiv · cs.CL
作者：Heeseung Kim
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.12248v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 EgoVoice，一个用于训练和评估主动式第一人称语音助手的框架，让模型从连续视频与音频流中自主决定何时开口、说什么。该工作基于 HoloAssist 视频构建音频流数据，微调全模态 LLM 并用 DPO 优化主动干预行为。实验显示现有开源与闭源模型很少产生时机恰当的主动干预，而 EgoVoice 在干预时机、内容相关性上均优于零样本基线。
来源：arXiv · cs.CL · arxiv.org