livekit/turn-detector

Традиционные голосовые агенты используют обнаружение голосовой активности (VAD) для определения, когда пользователь закончил говорить. Однако VAD не понимает язык и может вызывать ложные срабатывания.

Эта модель добавляет семантическое понимание в процесс определения окончания реплики. Она анализирует транскрибированный текст разговора в реальном времени и предсказывает вероятность того, что пользователь завершил свою реплику.

При интеграции в голосовой канал вместе с VAD модель существенно снижает количество нежелательных прерываний, сохраняя при этом оперативность.

Модель особенно эффективна в сценариях, связанных со структурированным вводом данных — например, при диктовке адресов, телефонных номеров, адресов электронной почты и номеров кредитных карт — где естественные паузы между сегментами не указывают на завершение.