Gander de Tencent veut continuer à parler tout en travaillant en arrière-plan
decoder ·
L’équipe Hunyuan Speech de Tencent et des chercheurs universitaires ont présenté Gander, un modèle conçu pour converser en temps réel tout en exécutant en arrière-plan des tâches complexes d’agent. Il traite simultanément la parole, les images et le texte, ce qui permet aux utilisateurs de l’interrompre, de poser des questions complémentaires et de recevoir des mises à jour sur l’avancement. Son architecture sépare un « cervelet » conversationnel rapide d’un « cerveau » interchangeable chargé du raisonnement et des tâches complexes ; des systèmes tels que Codex ou Claude Code peuvent remplir ce dernier rôle sans qu’il soit nécessaire de réentraîner le modèle conversationnel. Lors du test Full-Duplex-Bench v3, Gander a commencé à parler au bon moment dans les 100 scénarios et a interrompu les utilisateurs dans 8 % des cas, dépassant les systèmes comparés sur le plan du timing. Toutefois, la précision de ses tâches était légèrement inférieure à celle du concurrent le moins performant, et il présentait des faiblesses dans la compréhension de la vidéo et de l’audio. Gander a été entraîné sur environ 2,7 millions d’exemples, et Tencent prévoit de publier les poids de son modèle ainsi que les données d’entraînement, tandis qu’un dépôt de code et des démonstrations sont déjà disponibles.
decoder