ten-turn-detection
实时判断对话转折点，让AI插话自然不尴尬
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 624
使用教程
环境要求
- Python 环境
- GPU（建议）
- 语音链路基础
安装与启动步骤
-
1从模型库取权重
官方在模型托管平台放了权重，也给了在线试用页。
-
2装依赖
Python 项目，按仓库说明装推理依赖。
-
3跑单条推理
先拿一段对话文本试，确认输出的判定与置信度符合预期。
-
4接进实时链路
实时语音场景要控住单次推理耗时，否则判定滞后就没意义。
-
5设阈值调体验
判定阈值偏高会频繁抢话，偏低则反应迟钝，要按场景调。
如何确认成功
在一段真实对话里，用户停顿时能在一个可接受延迟内给出正确判定
注意事项
- 它只判断该不该轮到你说话，不做语音识别也不生成回复。
- 许可证带附加条件，商用前务必读一遍条款。
- 延迟是这类模型的生命线，离线压测的数字不等于线上体验。
- 阈值调优比换模型更能改善体感。
核心亮点
- 专为全双工对话设计，支持打断和实时响应，比传统VAD更智能
- 基于语义和韵律的联合建模，转折点检测准确率较高
- 提供预训练模型和简单推理接口，易于集成到语音应用
不足之处
- 早期项目，文档和社区支持尚不完善
- 对中文等多语言支持效果待验证
适用场景
- 实时语音助手（如智能音箱）的对话管理
- 客服机器人的自然打断与插话
- 全双工语音通信系统（如电话会议）
替代项目
SpeechBrain、pyannote.audio、NeMo
上一篇：Llama-AVSR
下一篇：MLC-SLM-Baseline
同类项目推荐
tg_bot_stt_tts
开源
让 Telegram 语音秒变文字，文字也能开口说话
Telegram bot with voice message recognition and generation. Speech to Text and Text ···
speech-rest-api
开源
一键部署语音转写与合成 API，快速集成 Whisper 能力
Transcription and TTS Rest API (OpenAI Whisper, Speechbrain)
openwhispr
开源
本地优先的语音转文字，隐私不妥协，跨平台即装即用。
Voice-to-text dictation app with local (Nvidia Parakeet/Whisper) and cloud models (B···
mlx-qwen3-asr
开源
Mac 本地跑 Qwen3 语音识别，音频不出设备
Qwen3-ASR speech recognition on Apple Silicon via MLX
moys-asr-workflow
开源
音频一键转字幕，工作流里直接校对导出
阿墨的字幕工作台：Moy 的 ASR 字幕转写工作流（简称 MAW）
tiny-audio
开源
25 美元训出带时间戳和说话人分离的语音转文字
A speech-to-text system you can train for $25. A frozen speech encoder and a Qwen LL···
AuxiliaryASR
开源
给语音合成和转换提供精准的文本-音频对齐工具
Joint CTC-S2S Phoneme-level ASR for Voice Conversion and TTS (Text-Mel Alignment)
anti-vocale
开源
语音消息不上传，手机本地直接转文字
Android app for transcribing voice messages locally on-device, with no internet requ···
FireRedASR
开源
中文方言和歌唱都能准确识别的开源ASR模型
Open-source industrial-grade ASR models supporting Mandarin, Chinese dialects and En···