Konekäännös · Englanninkielinen alkuperäinen

p99 ja VAP ...

p99 -arviot yhden äänikanavan kääntymisen lopputodennäköisyydestä. VAP -ennusteiden puheaktiivisuus synkronoiduilta käyttäjä- ja agenttikanavilta. Sovelluksessa käytetään näitä pisteitä päättääkseen, milloin vastaus tai keskeytys tapahtuu.

Rakenna SDK näiden sovellusrajapintojen lähteestä. Swift käyttää SpeechVADia; C++ vaatii SPECH_CORE_WITH_ONNX=ON. Android API käyttää ONNX Runtime. Nämä erilliset sovellusrajapinnat jättävät olemassa olevat putkiston oletusarvot.

Mallit

p99 turn-1-mini5,3M · CoreML · Float3216 kHz · 160 ms · 1 kjsApache-2.0
VAP (otopuhe)5.8M · CoreML / ONNX · Float3216 kHz · 20 s · 2 kjsCC BY 4,0 / MIT

Swift API

p99 puskurit keskeneräisiä vaiheita. Jokainen 160 ms askel palauttaa kahdeksan 20 ms ruutua. Käytä sekunteja päätöksen ajoitukseen ja nollaa keskusteluiden välinen istunto.

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 käyttää viimeisintä 20 sekuntia 16 kHz:n kohdalla. Toimituksen yhtä pitkät kanavat ja nollat inaktiiviselle aineelle. Lyhyemmät syötteet saavat johtavan hiljaisuuden. Jokainen ennuste palauttaa ikkunan; valitse laiteelle sopiva pyyntöväli.

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)
    }
}

Lataukset

Vertailuarvot

TurnBench · Soniqo

Todistukset