arXiv 自然语言处理· Puneet Mathur, Dinesh Manocha·· 1 天前AI 评分37
FD-VAD：面向流式全双工语音的语义端点检测
FD-VAD: Semantic Endpoint Detection for Streaming Full-Duplex Speech
AI 导读
FD-VAD 是一种无需 ASR 的流式端点检测器，可将因果音频窗口直接映射为 Continue 或 Stop 决策，实现全双工语音交互的语义端点判断。模型结合冻结语音编码器、轻量适配器与参数高效语言模型，并引入置信度门控端点提交与边界难负例采样。在 TurnBench 开发集零样本评测中（FP<=0.10），FD-VAD 取得合格系统最高的 0.853 EOT 召回率。
来源：arXiv 自然语言处理 · arxiv.org