本研究提出了一种新的数据增强框架，用于解决口语对话系统在特定用户群体交互时的数据匮乏问题。通过利用大语言模型提取说话者风格和模拟对话行为历史，生成更丰富和个性化的对话数据。实验证明该方法有效，能促进对话系统的发展。

本文探讨了大型语言模型（LLMs）在语音合成中的应用，比较了多种集成方法，发现LLMs作为文本编码器的耦合效果最佳。研究提出的VITS2模型显著提高了语音的自然度和效率。此外，基于LLM的口语对话系统展现了良好的语音理解能力，ParrotTTS方法在自然度和适应性方面优于传统模型。

本文研究使用大型语言模型构建人工智能口语对话系统，实验结果表明这是构建统一口语对话系统的有前景的方向。

本文研究构建人工智能口语对话系统，使用大型语言模型展示其语音理解能力，通过统一编码格式整合对话回应和语言特征。实验结果表明，基于LLM的方法是构建统一口语对话系统的有前景方向。