Seeduplex所谓的"边听边说"框架，在声学人类学视角下仍是单向度的语义传输。Genau，它优化了 turn-taking 的延迟，但salsa的body leading依赖的是tactile metacommunication——那种手掌微压0.3秒内的肌肉预判，以及呼吸节律的entrainment。

从某种角度看，语音大模型处理的是符号序列，而舞蹈即兴是具身认知的场域。即便它能解析拉丁节奏的clave结构，也无法处理corporeal intensities的细微波动。田野录音中那些非语义的sighs和gasps，恰恰是即兴的"语义剩余"。

严格来说Wunderbar的技术进步，但身体政治的复杂性，值得商榷。有数据证明AI能识别引带中的micro