यह शोधपत्र एक मूल समाधान प्रस्तुत करता है जो पूर्ण-द्वैध संवादात्मक मॉडल में कम विलंबता प्राप्त करने के लिए प्रत्येक समय चरण में कई चैनलों को एक साथ जोड़ता है। मौजूदा शब्द-स्तरीय संरेखण विधियों द्वारा भाषा मॉडलिंग के प्रदर्शन को कम करने की समस्या का समाधान करने के लिए, हम "प्राकृतिक एकालाप" प्रस्तुत करते हैं, जिसमें निरंतर वाक्य और विराम होते हैं जो मानवीय संवादात्मक व्यवहार की नकल करते हैं। प्राकृतिक एकालापों और ऑडियो के बीच अर्थगत संरेखण प्राप्त करने के लिए, हम एक द्वि-शिक्षण विधि विकसित करते हैं जो भाषा सीखने के लिए एकालापों की स्थितियों को बारी-बारी से बदलती है। इस द्वि-शिक्षण विधि, FLM-ऑडियो, को फिर 7B मापदंडों वाला एक पूर्ण-द्वैध संवादात्मक चैटबॉट, विकसित किया गया है। प्रायोगिक परिणाम दर्शाते हैं कि FLM-ऑडियो मौजूदा मॉडलों की तुलना में बेहतर प्रतिक्रिया गुणवत्ता और संवादात्मक अनुभव प्रदान करता है, जबकि इसके लिए काफी कम प्रशिक्षण डेटा की आवश्यकता होती है।
