FLM-Audio - Modelo de diálogo de audio dúplex completo (FLM-Audio) de código abierto creado por WisdomSource en colaboración con el Instituto Tecnológico de Nanyang (NTI).

¿Qué es FLM-Audio?

FLM-Audio es un macromodelo de diálogo de audio full-duplex nativo lanzado por el Instituto de Investigación de Inteligencia Artificial Zhiyuan de Pekín en colaboración con Spin Matrix y la Universidad Tecnológica Nanyang de Singapur, que admite tanto el chino como el inglés. Adopta una arquitectura full-duplex nativa que permite fusionar los canales de escucha, habla y monólogo en cada paso temporal, evitando el problema de la alta latencia de los esquemas tradicionales de multiplexación por división en el tiempo. El monólogo natural único y el paradigma de entrenamiento dual hacen que el modelo se acerque más a la forma natural de la comunicación humana en el diálogo y resuelve eficazmente el problema de la alineación asíncrona.FLM-Audio se entrena con sólo 1 millón de horas de datos, lo que reduce drásticamente la cantidad de datos, y proporciona respuestas de alta calidad con respuestas ágiles y naturales, y una gran robustez frente al ruido y las interrupciones del usuario.

Características de FLM-Audio

• Arquitectura Full-Duplex nativa: La capacidad de escuchar, hablar y monologar simultáneamente permite un diálogo full dúplex de baja latencia, más cercano a la comunicación humana natural.
• Diálogo en chino e inglésCapacidad para dialogar tanto en chino como en inglés para satisfacer las necesidades de los usuarios multilingües.
• Utilización eficaz de los datos: Entrenado con sólo 1 millón de horas de datos, los datos son pequeños pero la calidad de la respuesta es alta, y la respuesta es ágil y natural.
• gran robustez: Muy adaptable al ruido y a las interrupciones del usuario, ajusta rápidamente el contenido del diálogo para garantizar la fluidez.
• se puede estudiar el código abiertoEl modelo y el código son de código abierto para facilitar la investigación y la exploración por parte de investigadores y desarrolladores.

Principales ventajas de FLM-Audio

• Diálogo full dúplex de baja latenciaFLM-Audio: con una arquitectura full-duplex nativa, FLM-Audio es capaz de escuchar, hablar y mantener un monólogo interior al mismo tiempo, lo que permite un diálogo full-duplex de baja latencia, haciendo que la comunicación sea más fluida y natural, cercana a la experiencia real del diálogo humano.
• Formación eficaz de los datosEl modelo se entrena utilizando sólo un millón de horas de datos, lo que supone una reducción significativa del volumen de datos en comparación con otros modelos similares, y aun así ofrece respuestas de diálogo de alta calidad con patrones de respuesta ágiles y naturales y un entrenamiento más eficiente.
• gran robustez: Es resistente al ruido y a las interrupciones del usuario, puede pausar rápidamente la salida en curso, comprender con precisión las nuevas preguntas y responderlas al instante, garantiza un diálogo fluido y preciso, y se adapta a diversos escenarios de diálogo complejos.
• El monólogo natural y el paradigma de la formación dualSe introduce el concepto de "monólogo natural" para imitar el comportamiento cognitivo del diálogo humano y se adopta un "paradigma de formación dual" para resolver eficazmente el problema de la alineación asíncrona, de modo que el diálogo del modelo sea más natural y coherente.

¿Cuál es la página web oficial de FLM-Audio?

• Repositorio GitHub:: https://github.com/cofe-ai/flm-audio
• Biblioteca de modelos HuggingFace:: https://huggingface.co/CofeAI/FLM-Audio
• Documento técnico arXiv:: https://arxiv.org/pdf/2509.02521

Destinatarios de FLM-Audio

• investigadorLa naturaleza de código abierto de FLM-Audio lo convierte en una herramienta ideal para que los investigadores de los campos de la Inteligencia Artificial, el Procesamiento del Lenguaje Natural y la Tecnología del Habla exploren temas de vanguardia como las técnicas de diálogo full-duplex, la optimización de modelos y las interacciones multimodales.
• desarrolladores: Para los desarrolladores de software, FLM-Audio proporciona interfaces ricas y opciones de personalización flexibles para el desarrollo de asistentes de voz inteligentes, chatbots, aplicaciones de interacción de voz, etc., acelerando el desarrollo y la innovación de productos.
• usuario empresarialLas empresas pueden utilizar FLM-Audio para mejorar la experiencia de atención al cliente, por ejemplo desarrollando sistemas inteligentes de atención al cliente para que las interacciones con los clientes sean más eficaces y naturales, mejorando la satisfacción del cliente y la eficacia operativa.
• educadorEn el ámbito educativo, FLM-Audio puede utilizarse para desarrollar herramientas de aprendizaje de idiomas, sistemas de tutoría inteligente, etc., proporcionando a los estudiantes una experiencia de aprendizaje más interactiva y personalizada a través del diálogo full-duplex.
• creador de contenidosLos creadores de contenidos pueden utilizar FLM-Audio para generar diálogos creativos, contenidos de audio o guiones, aumentando la eficacia creativa e inspirando nuevas creaciones.