面向全双工语音模型工具调用的前后端架构

英文标题：A frontend-backend architecture for tool calls in full-duplex speech models

该论文提出了一种用于全双工语音到语音（S2S）模型工具调用的前后端架构。全双工 S2S 模型可提供自然、低延迟的对话交互，并有望通过外部工具完成语音 Agent 任务。该架构旨在将双工语音交互与后端工具执行能力结合，为开发具备工具调用能力的实时语音 Agent 提供设计思路。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB