文章介绍了Full-Duplex-Bench v1.5，一个用于评估全双工语音模型重叠处理能力的模块化基准测试框架。该框架模拟了四种重叠场景：用户打断、听众反馈、侧边对话和背景语音，支持开源和商业模型的统一评估。实验结果表明，现有模型在处理重叠语音时主要采用两种策略：快速修复优先和连续性优先。基准测试还揭示了模型在响应延迟和语音质量适应方面的表现差异，为全双工语音系统的开发和优化提供了重要参考。
全双工语音模型能够同时处理输入和输出语音，为人机交互带来更自然的体验。然而，重叠语音的处理能力尚未得到充分评估。文章提出了Full-Duplex-Bench v1.5基准测试框架，旨在系统评估全双工语音模型在四种重叠场景下的表现，为模型开发和优化提供标准化的评估工具。
框架设计了四种典型重叠场景：用户打断、听众反馈、侧边对话和背景语音。每种场景通过预录制的语音流模拟真实交互环境，测试模型在不同重叠情况下的表现。
基准测试采用多维评估指标，包括对话行为分类、停止延迟、响应延迟、语音特征变化和感知质量。这些指标全面反映了模型在重叠处理中的表现。
实验评估了五种全双工语音模型。结果显示，模型在处理重叠语音时主要采用两种策略：快速修复优先策略倾向于立即响应用户打断，而连续性优先策略则更注重维持原有语音输出。
在响应延迟方面，不同模型表现出显著差异。最快的模型能在0.2秒内停止当前语音并做出响应，但仍比人类对话的典型响应时间慢5-6倍。语音质量分析表明，重叠事件会导致大多数模型的语音自然度评分下降。
Full-Duplex-Bench v1.5为全双工语音模型的重叠处理能力评估提供了标准化框架。实验揭示了当前模型在响应速度和语音质量适应方面的局限性。未来研究将扩展多语言支持和真实人类语音场景，进一步提升评估的实用性和广泛性。