🎯 Namo 轮次检测器 v1 - 德语

<div align="center">

🚀 Namo 德语轮次检测模型

</div>

📋 概述

Namo 轮次检测器是一款专门设计的 AI 模型，旨在解决对话式 AI 中最具挑战性的问题之一：判断用户何时结束发言。

这款德语专用模型采用先进的自然语言理解技术，可区分：

• ✅ 完整话语（用户已完成发言）
• 🔄 不完整话语（用户将继续发言）

该模型基于 DistilBERT 架构构建，并经过量化 ONNX 格式优化，以最小的延迟提供企业级性能。

🔑 主要特性

• 轮次检测专家：检测德语语音转录中的轮次结束与继续。
• 低延迟：通过量化 ONNX 优化，推理时间 <13ms。
• 稳健性能：在多样化德语话语上达到 91.9% 的准确率。
• 易于集成：兼容 Python、ONNX Runtime 和 VideoSDK Agents SDK。
• 企业就绪：支持实时对话式 AI 和语音助手。

📊 性能指标

<div>

</div> <img src="./confusion_matrices.png" alt="混淆矩阵" width="600" height="400"/>

📊 在来自多样化对话场景的 1000+ 条德语话语上进行评估

⚡️ 速度分析

<img src="./performance_analysis.png" alt="性能分析" width="600" height="400"/>

🔧 训练与测试脚本

<div align="center">

</div>

🛠️ 安装

要使用此模型，您需要安装以下库。

pip install onnxruntime transformers huggingface_hub

🚀 快速开始

您可以直接从 Hugging Face 仓库运行推理。

import numpy as np
import onnxruntime as ort
from transformers import AutoTokenizer
from huggingface_hub import hf_hub_download

class TurnDetector:
    def __init__(self, repo_id="videosdk-live/Namo-Turn-Detector-v1-German"):
        """
        通过从 Hugging Face Hub 下载模型和分词器
        来初始化检测器。
        """
        print(f"Loading model from repo: {repo_id}")
        
        # 从 Hub 下载模型和分词器
        # 如果您已登录，身份验证会自动处理
        model_path = hf_hub_download(repo_id=repo_id, filename="model_quant.onnx")
        self.tokenizer = AutoTokenizer.from_pretrained(repo_id)
        
        # 设置 ONNX Runtime 推理会话
        self.session = ort.InferenceSession(model_path)
        self.max_length = 512
        print("✅ Model and tokenizer loaded successfully.")

    def predict(self, text: str) -> tuple:
        """
        预测给定的文本话语是否为轮次结束。
        返回 (predicted_label, confidence)，其中：
        - predicted_label: 0 表示"非轮次结束"，1 表示"轮次结束"
        - confidence: 0 到 1 之间的置信度分数
        """
        # 对输入文本进行分词
        inputs = self.tokenizer(
            text,
            truncation=True,
            max_length=self.max_length,
            return_tensors="np"
        )
        
        # 为 ONNX 模型准备输入字典
        feed_dict = {
            "input_ids": inputs["input_ids"],
            "attention_mask": inputs["attention_mask"]
        }
        
        # 运行推理
        outputs = self.session.run(None, feed_dict)
        logits = outputs[0]

        probabilities = self._softmax(logits[0])
        predicted_label = np.argmax(probabilities)
        confidence = float(np.max(probabilities))

        return predicted_label, confidence

    def _softmax(self, x, axis=None):
        if axis is None:
            axis = -1
        exp_x = np.exp(x - np.max(x, axis=axis, keepdims=True))
        return exp_x / np.sum(exp_x, axis=axis, keepdims=True)

# --- 示例用法 ---
if __name__ == "__main__":
    detector = TurnDetector()
    
    sentences = [
        "Die Stadt hatte im Jahr 1962 81.400 Einwohner.",      # 预期：轮次结束
        "Katalanisch ist die am zweitmeisten gesprochene.", # 预期：非轮次结束
    ]
    
    for sentence in sentences:
        predicted_label, confidence = detector.predict(sentence)
        result = "End of Turn" if predicted_label == 1 else "Not End of Turn"
        print(f"'{sentence}' -> {result} (confidence: {confidence:.3f})")
        print("-" * 50)

🤖 VideoSDK Agents 集成

将此轮次检测器直接与 VideoSDK Agents 集成，用于生产就绪的对话式 AI 应用程序。

from videosdk_agents import NamoTurnDetectorV1, pre_download_namo_turn_v1_model

# 下载模型
pre_download_namo_turn_v1_model(language="de")

# 为 VideoSDK Agents 初始化德语轮次检测器
turn_detector = NamoTurnDetectorV1(language="de")

📚 完整集成指南 - 了解如何在 VideoSDK Agents 中使用 NamoTurnDetectorV1

📖 引用

@model{namo_turn_detector_de_2025,
  title={Namo Turn Detector v1: German},
  author={VideoSDK Team},
  year={2025},
  publisher={Hugging Face},
  url={https://huggingface.co/videosdk-live/Namo-Turn-Detector-v1-German},
  note={ONNX-optimized DistilBERT for turn detection in German}
}

📄 许可证

本项目采用 Apache License 2.0 许可 - 详情请参见 LICENSE 文件。

<div align="center">

由 VideoSDK 团队用 ❤️ 打造

</div>