セミカスケード型全二重対話システムのためのユニットベースエージェント

要約

自然な音声対話を実現するため、複雑な対話を最小単位の会話ユニットに分解して処理するフレームワークを提案しています。マルチモーダル大規模言語モデル（LLM）を中心としたセミカスケード型システムにより、トレーニング不要かつプラグアンドプレイでの動作を実現。HumDialデータセットを用いた実験で高い有効性が示されています。

全文は有料プランで閲覧できます。