arXiv：cs.CL（计算语言学，全量分类）· Puneet Mathur, Dinesh Manocha·· 1 天前AI 评分41
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 的流式语义端点检测器，将因果音频窗口直接映射为 Continue/Stop 决策，用于全双工语音交互中的自然轮次切换。它结合冻结语音编码器、轻量模态适配器与参数高效微调的语言模型，并引入置信度门控端点提交和边界聚焦难负样本采样。在 TurnBench 开发集零样本设置下，FD-VAD 以 FP<=0.10 取得最高 EOT 召回率 0.853。
来源：arXiv：cs.CL（计算语言学，全量分类） · arxiv.org