Buchumschlag

WavAlign: Enhancing Intelligence and Expressiveness in Spoken Dialogue Models via Adaptive Hybrid Post-Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Yifu, Ji, Shengpeng, Chen, Qian, Liang, Tianle, Li, Yangzhuo, Wang, Ziqing, Wang, Wen, Lu, Jingyu, Wang, Haoxiao, Pu, Xueyi, Zhuo, Fan, Zhao, Zhou
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

WavRAG: Audio-Integrated Retrieval Augmented Generation for Spoken Dialogue Models
von: Chen, Yifu, et al.
Veröffentlicht: (2025)

VoxMind: An End-to-End Agentic Spoken Dialogue System
von: Liang, Tianle, et al.
Veröffentlicht: (2026)

WavBench: Benchmarking Reasoning, Colloquialism, and Paralinguistics for End-to-End Spoken Dialogue Models
von: Li, Yangzhuo, et al.
Veröffentlicht: (2026)

Dual-Axis Generative Reward Model Toward Semantic and Turn-taking Robustness in Interactive Spoken Dialogue Models
von: Chen, Yifu, et al.
Veröffentlicht: (2026)

WavReward: Spoken Dialogue Models With Generalist Reward Evaluators
von: Ji, Shengpeng, et al.
Veröffentlicht: (2025)

WavChat: A Survey of Spoken Dialogue Models
von: Ji, Shengpeng, et al.
Veröffentlicht: (2024)

SDiaReward: Modeling and Benchmarking Spoken Dialogue Rewards with Modality and Colloquialness
von: Lu, Jingyu, et al.
Veröffentlicht: (2026)

WavTokenizer: an Efficient Acoustic Discrete Codec Tokenizer for Audio Language Modeling
von: Ji, Shengpeng, et al.
Veröffentlicht: (2024)

OmniChat: Enhancing Spoken Dialogue Systems with Scalable Synthetic Data for Diverse Scenarios
von: Cheng, Xize, et al.
Veröffentlicht: (2025)

EmoNews: A Spoken Dialogue System for Expressive News Conversations
von: Matsuura, Ryuki, et al.
Veröffentlicht: (2025)

Aligning Spoken Dialogue Models from User Interactions
von: Wu, Anne, et al.
Veröffentlicht: (2025)

WavInWav: Time-domain Speech Hiding via Invertible Neural Network
von: Fan, Wei, et al.
Veröffentlicht: (2025)

AdaFSNet: Time Series Classification Based on Convolutional Network with a Adaptive and Effective Kernel Size Configuration
von: Wang, Haoxiao, et al.
Veröffentlicht: (2024)

Joint Learning of Context and Feedback Embeddings in Spoken Dialogue
von: Qian, Livia, et al.
Veröffentlicht: (2024)

E-chat: Emotion-sensitive Spoken Dialogue System with Large Language Models
von: Xue, Hongfei, et al.
Veröffentlicht: (2023)

Spoken DialogSum: An Emotion-Rich Conversational Dataset for Spoken Dialogue Summarization
von: Lu, Yen-Ju, et al.
Veröffentlicht: (2025)

SD-Eval: A Benchmark Dataset for Spoken Dialogue Understanding Beyond Words
von: Ao, Junyi, et al.
Veröffentlicht: (2024)

LLM-Enhanced Dialogue Management for Full-Duplex Spoken Dialogue Systems
von: Zhang, Hao, et al.
Veröffentlicht: (2025)

CombAlign: Enhancing Model Expressiveness in Unsupervised Graph Alignment
von: Chen, Songyang, et al.
Veröffentlicht: (2024)

VolSplat: Rethinking Feed-Forward 3D Gaussian Splatting with Voxel-Aligned Prediction
von: Wang, Weijie, et al.
Veröffentlicht: (2025)

MOSS-TTSD: Text to Spoken Dialogue Generation
von: Zhang, Yuqian, et al.
Veröffentlicht: (2026)

Are LLMs Robust for Spoken Dialogues?
von: Mousavi, Seyed Mahed, et al.
Veröffentlicht: (2024)

Diffusion Model as a Generalist Segmentation Learner
von: Wang, Haoxiao, et al.
Veröffentlicht: (2026)

J-CHAT: Japanese Large-scale Spoken Dialogue Corpus for Spoken Dialogue Language Modeling
von: Nakata, Wataru, et al.
Veröffentlicht: (2024)

WavFlow: Audio Generation in Waveform Space
von: Zhou, Feiyan, et al.
Veröffentlicht: (2026)

Evaluating Bias in Spoken Dialogue LLMs for Real-World Decisions and Recommendations
von: Wu, Yihao, et al.
Veröffentlicht: (2025)

TiCo: Time-Controllable Spoken Dialogue Model
von: Chang, Kai-Wei, et al.
Veröffentlicht: (2026)

AV-Dialog: Spoken Dialogue Models with Audio-Visual Input
von: Chen, Tuochao, et al.
Veröffentlicht: (2025)

Characterizing Disease Modifying Effects Using Overall Treatment Effect Across all Post‐Baseline Visits
von: John O'Gorman, et al.
Veröffentlicht: (2024)

VITA-QinYu: Expressive Spoken Language Model for Role-Playing and Singing
von: Xu, Jiacheng, et al.
Veröffentlicht: (2026)

Speech Watermarking with Discrete Intermediate Representations
von: Ji, Shengpeng, et al.
Veröffentlicht: (2024)

Frame-Aligned Fusion of Canary and WavLM for Non-Intrusive Intelligibility Prediction of Hearing-Aid-Processed Speech
von: Nakazawa, Kazushi
Veröffentlicht: (2026)

Chronological Thinking in Full-Duplex Spoken Dialogue Language Models
von: Wu, Donghang, et al.
Veröffentlicht: (2025)

SpokenUS: A Spoken User Simulator for Task-Oriented Dialogue
von: Lee, Jonggeun, et al.
Veröffentlicht: (2026)

Chain-of-Thought Training for Open E2E Spoken Dialogue Systems
von: Arora, Siddhant, et al.
Veröffentlicht: (2025)

Can Language Models Trained on Written Monologue Learn to Predict Spoken Dialogue?
von: Muhammad Umair, et al.
Veröffentlicht: (2024)

URO-Bench: Towards Comprehensive Evaluation for End-to-End Spoken Dialogue Models
von: Yan, Ruiqi, et al.
Veröffentlicht: (2025)

OSUM-EChat: Enhancing End-to-End Empathetic Spoken Chatbot via Understanding-Driven Spoken Dialogue
von: Geng, Xuelong, et al.
Veröffentlicht: (2025)

PTQ4SAM: Post-Training Quantization for Segment Anything
von: Lv, Chengtao, et al.
Veröffentlicht: (2024)

Adapting Text-based Dialogue State Tracker for Spoken Dialogues
von: Yoon, Jaeseok, et al.
Veröffentlicht: (2023)