Maskinoversettelse · Engelsk original

p99 og VAP - Dreiing modeller

p99 estimerer sannsynligheten fra én lydkanal. VAP prognoser taleaktivitet fra synkroniserte bruker- og agentkanaler. Programmet bruker disse scorene til å bestemme når du skal svare eller avbryte.

Bygg SDK fra kilden til disse APIene. Swift bruker SpeechVAD; C++ krever SPECH_CORE_WITH_ONNX=ON. Android API bruker ONNX Runtime. Disse frittstående APIene forlater de eksisterende rørledningens standard.

Modeller

p99 turn-1-mini5.3M · CoreML · Float3216 kHz · 160 ms · 1 tApache-2.0
VAP (til tale)5.8M · CoreML / ONNX · Float3216 kHz · 20 s · 2 tCC By 4.0 / MIT

Swift API

p99 buffere ufullstendige trinn. Hvert 160 ms trinn returnerer åtte 20 ms rammer. Bruk tilgjengeligAfterSeconds for beslutningstid, og tilbakestille sesjonen mellom samtaler.

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 bruker de siste 20 sekunder ved 16 kHz. Levere like lange kanaler og nuller for et inaktivt middel. Kortere innganger mottar ledende stillhet. Hver prognose reberegner vinduet; velg et forespørselsintervall som passer enheten.

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)
    }
}

Nedlastinger

Benchmark resultater

TurnBench · Soniqo

Lisenser