arXiv · cs.AI· Yingzhuo Deng, Chong Li, Bingxin Liu, Yi Shu, Tianyu Peng, Can Xie, Siyao Song, Shuo Ren, Jiajun Zhang·· 6 小时前
CoSTA：通过压缩语音词元适配提升语音对话模型效率
CoSTA: Compressed Speech Token Adaptation for Efficient Spoken Dialogue Models
arXiv:2610.21143v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yingzhuo Deng, Chong Li, Bingxin Liu, Yi Shu, Tianyu Peng, Can Xie, Siyao Song, Shuo Ren, Jiajun Zhang
研究任务与主要进展
研究作者提出CoSTA，在保留原语音分词器和解码器的同时，解耦语音对话模型的生成与合成词元空间，并引入均值初始化的压缩词表扩展。基于论文摘要，CoSTA在双语语音对话基准上将扩展语音词元的生成速度提高约1.7倍，同时降低完整响应延迟、提高吞吐量并保持响应质量；实验还显示其可跨架构迁移，并与低速率词元化形成互补。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org