Devotd Github
新发现AI 智能体

saolabsai/cue — 语音智能体用的实时话轮结束检测

saolabsai/cue 将 Smart Turn 与 Silero VAD 结合,使语音智能体能够判断话轮何时结束。

仓库信息saolabsai/cue ↗

saolabsai/cue 将 Smart Turn 与 Silero VAD 结合,使语音智能体能够判断话轮何时结束。

GitHub 项目说明: Streaming CPU turn detection for voice agents. Rust, Python and Pipecat with Smart Turn and Silero VAD.

星标
★ 2
复刻
2
语言
Rust
许可证
MIT
查看原始来源 ↗在 GitHub 查看 ↗

saolabsai/cue 是一个帮助语音智能体实时判断对方话轮是否已结束的工具。据仓库说明,一个 Rust 音频处理器运行在 CPU 上,接收连续音频并输出与话轮结束相关的判定结果。它不负责语音识别或回答生成。收到判定之后何时回应,由使用它的应用程序自行决定。仓库中没有标注单独的最新发布版本。

Cue 将预训练的 Smart Turn v3.2 与 Silero VAD 结合。结果分为结束、等待、附和、打断四种,用来判断智能体是立即回应还是继续听。附和指对话过程中简短的应声反应。Python 与 Pipecat 集成是可选的,Pipecat 是一个用于连接语音智能体管线的框架。仓库的主要语言是 Rust,许可证为 MIT。因此 Cue 的作用不是识别对话内容或生成回答,而是传递话轮状态,让使用方能够决定响应时机。

README 说明,Cue 比 Smart Turn 更准确这一点尚未得到证明。默认评测使用合成材料进行,实际对话中的性能优势并不是已确认的事实。因此这四种判定可以看作智能体能够利用的功能,但它在真实对话中究竟有多稳定,仅凭这些资料难以判断。至少就目前而言,把它当作话轮结束检测用的组件,比把它当作性能经过验证的替代方案更为妥当。