研究提出全双工语音模型长会话退化的诊断与缓解方法

一项 arXiv 研究系统刻画了全双工语音对话模型在长会话中的性能退化，发现多款公开模型的响应性、语音内容质量和音色一致性随时间下降。研究者提出基于自蒸馏的 LoRA 轻量适配训练框架，并引入双分辨率上下文（TRC）架构，将旧交互历史压缩为 KV 表示。 在三个不同架构模型上的实验中，LoRA 适配缓解了十分钟会话内的性能退化；加入 TRC 后效果可超出训练会话长度，且 KV-cache 增长减少超过 90%。

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。