开源 EOU 检测模型覆盖英语+8 种印度语言,语音 Agent 不再打断说话人
martian7r · reddit · 2026-11-08
开发者发布了开源的端点检测(EOU)模型,解决印度语系语音 agent 频繁打断来电者的问题:印度语言动词在句尾,「aapko kal phone…」这类停顿在 VAD 听来像已说完,bot 会在「kar dunga」出口前抢话——VAD 只听静音,不懂语义。
模型要点
- 基于 Qwen2.5-0.5B 微调,对实时转写文本打分,预测说话人是否说完。
- 覆盖英语、Hinglish、印地语、泰卢固语、泰米尔语、马拉地语、孟加拉语、古吉拉特语、旁遮普语 9 种语言。
- CPU-only ONNX Runtime(约 2GB,fp32),完全本地运行,无云端推理;仅需外部 STT 提供文本,可作为 LiveKit Agents 文本轮次检测器的 drop-in 替换。
- 验证集 TPR 91.3%(校准至约 10% 的误打断率),AUC 0.967;在 LiveKit 官方印地语真实语音基准上同预算下检测率 85.3%。
- Apache-2.0 许可,模型与插件已上架 Hugging Face(tarun7r/indic-turn-detector),并已在 LiveKit Cloud 实测:能稳住请求中途的停顿,完整请求才提交。
所属事件:开源端点检测模型支持英语及8种印度语言，语音Agent不再抢话(2 条相关)→
「编程与Agent」频道最新
- NTU 等发布 S-Agent 2.0:编码 agent 补空间推理,ReVSI 提升 20.5 分 — jiqizhixin · 2026-11-09
- Jane Street 开源 socratic-tutor 技能,让 AI 导师只提问不灌输 — intellectronica · 2026-11-09
- 开发者自研开源版FL Studio，11岁儿子测试称直观易上手 — CtrlAltDwayne · 2026-11-09
- Kamal 部署机制详解:从 SSH 执行到代理请求处理 — js_craft_hq · 2026-11-09
- 同一 DeepSeek 模型加 harness 得分从 2.6 跳到 7.9，代价是 19 倍成本 — AccBalanced · 2026-11-09
- 工程师管不过来 agent 了?他提议让 agent 之间直接通信 — thomasahle · 2026-11-09