p99 e VAP — Modelos de turnos de fala

p99 estima a probabilidade de fim de turno a partir de um canal de áudio. VAP prevê a atividade de fala a partir de canais sincronizados do usuário e do agente. A aplicação decide quando responder ou interromper.

Compile o SDK a partir do código-fonte para estas APIs. Swift usa SpeechVAD; C++ exige SPEECH_CORE_WITH_ONNX=ON. A API Android usa ONNX Runtime. As configurações padrão do pipeline existente são mantidas.

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 armazena etapas incompletas. Cada etapa de 160 ms retorna oito quadros de 20 ms. Use availableAfterSeconds para o instante da decisão e reinicie a sessão entre conversas.

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 os últimos 20 segundos a 16 kHz. Os canais devem ter o mesmo tamanho; use zeros quando o agente estiver em silêncio. Entradas curtas recebem silêncio no início. Cada previsão recalcula a janela: escolha um intervalo adequado ao 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)
    }
}

Downloads

Resultados dos testes

TurnBench · Soniqo

Licenças