Tłumaczenie automatyczne · Oryginał angielski

p99 i VAP - modele do pobierania turnów

p99 szacuje prawdopodobieństwo end- of- turn z jednego kanału audio. VAP prognozuje aktywność mowy z zsynchronizowanych kanałów użytkownika i agenta. Aplikacja wykorzystuje te wyniki do podjęcia decyzji, kiedy odpowiedzieć lub przerwać.

Zbuduj SDK ze źródła tych API. Swift wykorzystuje SpeechVAD; C++ wymaga SEECH _ CORE _ With _ ONNX = ON. Android API zastosowania ONNX Runtime. Te autonomiczne API pozostawiają istniejące domyślne gazociągi.

Modele

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 buforuje niekompletne kroki. Każdy krok 160 ms zwraca osiem klatek 20 MS. Użyj dostępnych AfterSeconds do podejmowania decyzji w czasie, i zresetować sesję między rozmowami.

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 wykorzystuje najnowsze sekundy 20 przy 16 kHz. Kanały równowartościowe i zerosy dla nieaktywnego agenta. Krótsze wejścia otrzymują wiodącą ciszę. Każda prognoza rekompiluje okno; wybierz przedział zapotrzebowania, który pasuje do urządzenia.

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)
    }
}

Do pobrania

Wyniki odniesienia

TurnBench · Soniqo

Pozwolenia