Smart Turn v3

Smart Turn v3 是一个开源的语义语音活动检测（VAD）模型，它通过分析原始音频波形（而非转录文本）来判断说话者是否已完成其话轮。

链接

• 博客文章：Smart Turn v3
• GitHub 仓库，包含训练和推理代码
• 数据集，包含训练和推理代码

模型架构

• 主干网络：Whisper Tiny 编码器
• 输出头：浅层线性分类器
• 参数量：8M（int8 量化）
• 模型文件：8 MB ONNX

如何使用

有关如何使用该模型（独立使用或与 Pipecat 配合使用）的更多信息，请参阅博客文章和 GitHub 仓库。