來自 meng shao（@shao__meng）的推文串

[開源推薦] Smart Turn v3.1: 針對語音對話中「輪次偵測」的重要更新，透過引入真實人類語音資料而非僅依賴合成語音，大幅提升模型判斷「使用者是否說完話」的準確性，讓AI 的對話反應更自然 @trydaily 🚀 核心亮點：準確率顯著提升· 告別純合成數據：v3.1 最大的突破在於引入了由合作夥伴（Liva AI, Midcentury, MundoAI）提供的真實人類語音樣本（特別是英語和西班牙語）。 · 數據比較：相較於v3.0，新版在英語環境下的準確率從88.3% 飆升至約95%，西班牙文也提升至90% 以上。 · 解決痛點：以前依賴TTS 合成資料訓練，缺乏人類說話時的自然停頓和細微語氣。新數據讓模型能更精準地辨識「真停頓」與「假停頓」。 🛠️ 技術細節與靈活性本次更新提供了兩個模型版本，以適應不同的硬體需求： · CPU 版（8MB，Int8 量化）：體積小、速度快，適合大多數邊緣運算或一般伺服器，推理速度極快（低至12ms）。 · GPU 版（32MB，未量化）：體積稍大，但在GPU 上運作效率更高，且準確率比CPU 版再高出約1%。 🔄 極簡升級體驗· 無縫替換：v3.1 保持了與v3.0 相同的架構。如果你已經是用戶，只需取代ONNX 模型文件，就不需要修改推理程式碼。 · 生態整合：新模型將直接整合到下一版Pipecat 框架中，開發者幾乎可以「零碼」享受到效能提升。 📊 開放與開源不僅開源了模型權重，還在HuggingFace 上公開了用於訓練和測試的新資料集（smart-turn-data-v3.1），方便社區進一步研究或微調。 閱讀原文