🎯 Namo 话轮检测器 v1 - 意大利语

<div align="center">

🚀 Namo 意大利语话轮检测模型

</div>

📋 概述

Namo 话轮检测器是一个专门设计的 AI 模型，旨在解决对话式 AI 中最具挑战性的问题之一：判断用户何时说完话。

这款意大利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（用户已说完）
• 🔄 不完整话语（用户将继续说话）

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

🔑 主要特性

• 话轮检测专家：检测意大利语语音转录中的话轮结束与继续。
• 低延迟：采用量化 ONNX 优化，推理时间 <13ms。
• 稳健性能：在多样化意大利语话语上达到 86.8% 准确率。
• 易于集成：兼容 Python、ONNX Runtime 和 VideoSDK Agents SDK。
• 企业级就绪：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 700+ 条来自多样化对话场景的意大利语话语上进行评估

⚡️ 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-Italian"):
        """
        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，身份验证将自动处理
        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话轮结束。
        返回 (predicted_label, confidence)，其中：
        - predicted_label: 0 表示"非话轮结束"，1 表示"话轮结束"
        - confidence: 置信度分数，范围 0 到 1
        """
        # 对输入文本进行分词
        inputs = self.tokenizer(
            text,
            truncation=True,
            max_length=self.max_length,
            return_tensors="np"
        )
        
        # 准备 ONNX 模型的输入字典
        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 = [
        "È stato spesso visto tirar fuori i favi dai grandi nidi di vespe e di api, così come dai nidi più piccoli dei calabroni.",      # 预期：话轮结束
        "L'opera che ne falsi del tutto lo spirito è?", # 预期：非话轮结束
    ]
    
    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

将此话轮检测器直接与 VideoSDK Agents 集成，用于生产级对话式 AI 应用。

from videosdk_agents import NamoTurnDetectorV1, pre_download_namo_turn_v1_model

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

# 为 VideoSDK Agents 初始化意大利语话轮检测器
turn_detector = NamoTurnDetectorV1(language="it")

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

📖 引用

@model{namo_turn_detector_it_2025,
  title={Namo Turn Detector v1: Italian},
  author={VideoSDK Team},
  year={2025},
  publisher={Hugging Face},
  url={https://huggingface.co/videosdk-live/Namo-Turn-Detector-v1-Italian},
  note={ONNX-optimized DistilBERT for turn detection in Italian}
}

📄 许可证

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

<div align="center">

由 VideoSDK 团队用 ❤️ 打造

</div>