北京
分享至
ACL 2026的杰出论文奖颁给了一个全双工语音大模型。名字叫Lychee‑FD，腾讯PCG和深圳河套学院一起丢出来的。语音圈等了这么久，终于有人正面硬刚“一边听一边说”这件反人性的事。
过去大部分语言模型其实就是个对讲机，必须你说完它才能张嘴。全双工本应是双向流，但一跑起来声学和语义互相打架，梯度冲突把模型撕得七零八落，语义也跟着稀释。这次的办法很直接——层次化声学‑语义建模，把声学特征和语义表征分层解耦，让它们各走各路，不再在训练时抢梯度。
论文里三个硬骨头啃得清清楚楚：第一，做成原生端到端，不搞拼凑式管道；第二，深度梯度冲突用分层设计压下去，声学语义不打群架；第三，语义稀释被显式约束，模型不会越说越跑题。这就是Lychee‑FD能拿杰出论文的底牌。
语音交互老被吐槽像在跟老年机打电话，现在至少有顶会盖章的全双工路线了。当然，论文拿了奖只是开始，真正让产品不尴尬还得看工程化怎么跟。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
