TEN VAD 企业级别的语音检测器开源啦

发布日期：2025/7/5 8:45:17      浏览量：

TEN VAD 企业级别的语音检测器开源啦

TEN VAD开源了！ 一款企业级实时语音活动检测器，能精确到帧级别的语音活动检测，性能优于WebRTC VAD、Silero VAD  TEN VAD和TEN Turn Detection搭配使用，构建AI实时对话语音助手无敌了。
代码地址：
https://github.com/ten-framework/ten-vad

亮点：
它使AI可以快速且更好的把控对话节奏，避免插嘴情况，智能中断处理，使得整个对话过程可以更自然顺畅。让开发者可以在任何支持 ONNX 的平台和硬件架构上部署 TEN VAD，大大增强了其灵活性和兼容性。此外，WASM+JS 支持也同步发布，进一步扩展了 Web 端应用的可能性
介绍：
TEN Turn Detection，是一个具备上下文感知的语轮检测器，支持全双工语意检测，支持中英文  Turn Detection会把说话内容分成三种情况： finished，用户表达了完整的想法，期待回应 wait，模棱两可的语句，系统无法确定用户是否会继续说 unfinished，用户暂时停顿但打算继续发言
TEN VAD，是实时语音活动检测器，比WebRTC VAD和Silero VAD准确度更高，速度快，300ms
ten-agent是目前见过的实时语音开源项目里做的最好的，相比之前介绍过一个livekit-agent+realtime，ten-agent工程化和可用性集成的更好，可以称之为构建实时语音领域的coze，可构建智能音箱、ai外呼等实时语音交互应用，个性化可视化定制工作流。
TEN 生态系统
TEN VAD 是 TEN 框架的一部分，TEN 生态还包括：
 • TEN Framework：用于构建实时多模态对话 AI 
• TEN Turn Detection：支持全双工对话 
• TEN Agent：展示 TEN 框架的语音智能体能力
 • TMAN Designer：低代码/无代码语音智能体设计工具