雅芳和RTE开发人员社区支持两个新模型开放资源

最近，Aoshi.com和RTE开发人员社区宣布，他们将支持两种新型号，十个VAD和十个转弯检测的开放资源。这两种模型是基于十多年的实时语音深度研究结果和超低延迟技术的积累的AOKA网络的高性能模型，这可能会使AI代理的互动体验更加自然。作为一个开放的资源项目，任何人都可以自由使用，叉或贡献代码。这两种模型将继续完成为开源对话AI生态系统十的主要模块。十个VAD：十个VAD的发现活动的发现活动的超低潜伏期，低功耗和高精度是在深入研究中发现语音活动Batis的轻量级流媒体活动，其优势在于低延迟，低电力消耗和高精度。它通常用于在大声音之前进行预处理措施语言模型（LLM），如果音频包含声音并过滤不正确的音频（例如背景噪声或喃喃自语段），则准确识别。尽管其功能很简单，但它具有非常强大的功能：·准确识别音频框架中是否有声音； ·判断句子的开始和结束； ·过滤无关的音频（背景噪声，哑巴等）；它不仅提高了STT的准确性，而且还大大降低了处理成本 - 通过向STT过程发送毫无意义的声音来避免成本。同时，如果您使用的是“转弯检测”，则VAD应该为您提供，这是发现旋转准确性的可靠保证。 Performance comparison: Compared to the commonly used webrtc pitch VAD and Silero VAD, the ten VADs have shown better results in the public Ten Test Set (from multi-scenario, frame-by-frame manu-manu-manu-manu-manu-man-manu-manu-manu-manu-manu-manu-man-manu-manu-manu-man-manu也导致了后期。扩展（十个VAD测试样本），开发人员可以单击以进行推理或复兴模型。实际应用的影响：一个真实的用户案例表明，使用十个VAD后，音频传递数据的成本减少了62％，这大大降低了语音服务的成本。十回合检测：让语音代理学习“何时说，何时聆听” 10转探测专门用于解决用户停止时人类计算机对话中最贫穷的部分之一。在真正的沟通中，AI需要认识到“中途停止”和“说一切”之间的区别。过早的面试会干扰人类的思想，而反应最终会使您变得乏味和不自然。十回合检测支持通过全双工的声音接触，使用户和人工智能同时讲话，就像两个人说话时一样。劳动的普林斯普尔：它不仅认识到声音的内容，而且还承认EV为了确定说话者的思维，犹豫或结束表达语言的语言模式；最终，让AI决定“说话”或“说话”，从而使对话变得更好和自然。该模型以中文和英语为支持，并免费提供给所有语音代理开发人员。性能：我们将十个转弯检测和其他类似的开源模型与多幕科测试数据集进行比较。每个模型的性能如下：为什么选择十个VAD和十个转弯检测？当使用这两种模型时，我们可以创建一个更自然，更快的受访者和较低的语音代理成本：开放资源 +高质量·基于AOKU.com中超过十年的实时语音研究经验； ·超低潜伏期，低电量，准确性高； ·完全打开资源，Apache 2.0许可证，欢迎使用，更改和贡献。更自然的对话·正确处理人际关系，例如“破坏”，“ i -pause”和“ res）ponse“;·大大改善用户体验。较低的成本·VAD准确地识别语音框架，有效地减少了语音识别电话的数量；最好的VAD和圆形检测能力。 GPU）1。登录以拥抱面孔。al; 3。遵循本地扩展指南（https://github.com/ten-i/ten）进行彻底运行。