DuplexChat：为口语对话语言建模大规模构建说话者分离的全双工对话语音

全双工口语对话模型是在会话语音上进行训练的，其中每个说话者都表示为单独的流，但现有的大规模公共语音语料库大多是单声道的，这使得它们不适合 SDLM 训练。我们推出了 DuplexChat，一个用于全双工口语对话模型的开源语料库，以及 DuplexChat-Pipe，一个用于从公共播客源构建说话者分离的全双工对话语音的管道。 DuplexChat-Pipe 过滤特定语言的播客源，检索和清理剧集音频，提取二值化引导的双说话者对话剪辑，并应用语音分离和恢复为每个说话者生成一个通道。运行该管道会生成一个按说话者分离的口语对话语料库，涵盖 282,634 小时的英语和 132,723 小时的日语。 DuplexChat 的分析结果表明，它包含人类对话中存在的轮流动态。