纯对话训练语音模型并非新事：dGSLM 2022 年已用 2 千小时数据训练

dGSLM 在 2022 年已仅用约 2 千小时 Fisher 双声道对话数据训练语音模型，早于相关讨论中的纯对话训练方案。作者认为，先在文本上学习、再学习口语对话（如 Moshi 及多数现代 S2S 模型）可让训练成本降低约 10 倍，文字系统是高效的知识存储方式。