p99 y VAP — Modelos de turnos de voz

p99 estima la probabilidad de fin de turno desde un canal de audio. VAP predice la actividad de voz desde canales sincronizados del usuario y del agente. La aplicación decide cuándo responder o interrumpir.

Compila el SDK desde el código fuente para estas API. Swift usa SpeechVAD; C++ requiere SPEECH_CORE_WITH_ONNX=ON. La API Android usa ONNX Runtime. Estas API independientes conservan los valores predeterminados del flujo existente.

Modelos

p99 turn-1-mini5.3M · CoreML · Float3216 kHz · 160 ms · 1 chApache-2.0
VAP (otoSpeech)5.8M · CoreML / ONNX · Float3216 kHz · 20 s · 2 chCC BY 4.0 / MIT

Swift API

p99 guarda los pasos incompletos. Cada paso de 160 ms devuelve ocho cuadros de 20 ms. Usa availableAfterSeconds para el instante de decisión y reinicia la sesión entre conversaciones.

import SpeechVAD

let p99 = try await P99TurnModel.fromPretrained()
let session = try p99.createSession()
let frames = try session.pushAudio(pcm16k)
for frame in frames {
    print(frame.probability, frame.availableAfterSeconds)
}
try session.reset()

let vap = try await VAPModel.fromPretrained()
let forecast = try vap.forecast(userAudio: userPcm, agentAudio: agentPcm)
print(forecast.pNow, forecast.pFuture, forecast.voiceActivity)

VAP usa los últimos 20 segundos a 16 kHz. Los canales deben tener igual longitud; usa ceros cuando el agente esté en silencio. Las entradas cortas se rellenan al principio. Cada predicción recalcula la ventana: elige un intervalo adecuado para el dispositivo.

C++

#include <speech_core/models/onnx_vap.h>

speech_core::OnnxVap model("models/vap.onnx");
auto forecast = model.forecast(user.data(), agent.data(), user.size(), 16000);
// p_now[0]: user, p_now[1]: agent
// p_future and voice_activity use the same channel order.

Android

val directory = ModelManager.ensureVapModels(context)
withContext(Dispatchers.Default) {
    VoiceActivityProjection(VoiceActivityProjectionConfig(directory)).use { model ->
        val forecast = model.forecast(userPcm, agentPcm)
        println(forecast.userNearTerm)
        println(forecast.agentNearTerm)
    }
}

Descargas

Resultados de pruebas

TurnBench · Soniqo

Licencias