XTurnix统一对话轮次控制

XTurnix模型将对话轮次控制简化为两个二元决策，在作者自建基准上达到89.06%准确率。

传统语音AI需分别处理“何时开始说话”和“何时停止”，导致系统复杂且易出错。XTurnix利用550万个从带时间戳的双人对话中自动提取的因果动作示例进行预训练，使单一文本模型能根据当前是“听”还是“说”的状态，预测统一的控制令牌。

在四个公共基准测试中，XTurnix在SemanticVAD和LiveKit上取得最佳成绩，并在Easy-Turn的不完整轮次识别上表现最高。但在作者自建的平衡基准上，其准确率比最强第三方基线高出超过20个百分点。

该结果出自10月3日提交的预印本，代码已开源，但高性能数据主要依赖未公开细节的自建测试集，尚待社区独立复现。