full-duplex
一种可以同时听和说的通信方式,在语音 AI 中让被打断也能自然对话
简单来说
Full-duplex(全双工)是一种可以同时听和说的通信方式。可以想想打电话的场景:即使对方还在说话,你也能插一句"嗯""对啊"来回应,就算话语重叠,对话依然能自然进行下去。与此相反的是对讲机式的方式:一方必须说完"完毕"之后,另一方才能开始说话。这种一次只能单向传声的方式叫做半双工。
这正是以往语音助手让人感到不便的原因所在。大多数语音助手都像对讲机一样运作,需要先经过一个判断用户是否说完话的独立步骤,然后才开始作答。如果这个判断太快,就会打断用户说话;如果太慢,对话就会显得迟钝。全双工语音模型直接去掉了这个判断步骤,让听和说通过同一条通道同时进行处理。因此,即使话语像人与人之间的对话那样出现重叠和打断,交流也不会因此中断。
在报道中是这样出现的
文章在介绍 OpenAI 的新语音系统 GPT-Live 时,将其核心特点称为全双工(full-duplex)。一个常见的误解是,认为这只是一种提升响应速度的技术。但实际上,问题的关键不在速度,而在结构。它去掉了先判断对方是否说完话、再作出回应的这一步骤,从而无需等待对方说完,就能自然地做出反应。