北京
ACL 2026的杰出論文獎頒給了一個全雙工語音大模型。名字叫Lychee?FD，騰訊PCG和深圳河套學院一起丟出來的。語音圈等了這么久，終于有人正面硬剛“一邊聽一邊說”這件反人性的事。
過去大部分語言模型其實就是個對講機，必須你說完它才能張嘴。全雙工本應是雙向流，但一跑起來聲學和語義互相打架，梯度沖突把模型撕得七零八落，語義也跟著稀釋。這次的辦法很直接——層次化聲學?語義建模，把聲學特征和語義表征分層解耦，讓它們各走各路，不再在訓練時搶梯度。
論文里三個硬骨頭啃得清清楚楚：第一，做成原生端到端，不搞拼湊式管道；第二，深度梯度沖突用分層設計壓下去，聲學語義不打群架；第三，語義稀釋被顯式約束，模型不會越說越跑題。這就是Lychee?FD能拿杰出論文的底牌。
語音交互老被吐槽像在跟老年機打電話，現在至少有頂會蓋章的全雙工路線了。當然，論文拿了獎只是開始，真正讓產品不尷尬還得看工程化怎么跟。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
