跳到正文
Inworld AI Blog· The Inworld team·· 4 天前精选AI 评分66

Inworld 发布语音活动与轮次检测模型 SAVA

Introducing SAVA

AI 导读

Inworld 发布语义声学语音活动模型 SAVA,把语音检测和轮次检测合并到一个模型里,已在其语音产品中运行。模型每 40 ms 输出语音和轮次结束两个概率,参数量 25.5M,在 Apple M3 Max 单 CPU 线程上每 40 ms 帧处理耗时不到 3 ms。

推荐理由

原文给出与 Silero VAD、smart-turn 的同流程对比数据和 25.5M 参数、单帧延迟,可据此判断能否替换现有语音管线。

来源:Inworld AI Blog · inworld.ai