语音与对话
让 AI 判断什么时候接话
区分 VAD、语义判停和话轮提交，测抢话与等待之间的取舍。
语音活动、句子结束与可以执行下一步是三个判断。EOU 模型提供判停信号；是否接话、是否取消旧任务仍由会话控制器决定。
理解这条链路
把失败类型分开标注
“我想问……套餐还能改吗”中间停顿不应提交；“嗯”可能是附和，也可能是完整确认；背后电视声并不代表当前用户发言。用提前接话、额外等待、有效打断和误打断四个标签建立样本，避免用一个准确率掩盖损失。
部署与参数的边界
逐个核查语种覆盖、窗口长度、采样率和所需后端；不在 README 覆盖列表中的语种必须实测。阈值与等待窗口应使用开发集校准，在盲测集固定。模型推理耗时只是总等待的一部分，不能直接写成用户感知延迟。
按这个顺序操作
- 录制完整、未完整、口头附和、噪声和长停顿五类样本，保留人工判停时点。
- 建立固定静音等待的基线，再增加语义模型，保持音频与 VAD 一致。
- 逐语言统计提前接话率和额外等待分布，困难语种单独报告。
- 接上真实播放与取消后复测；离线模型判对不代表话轮控制正确。
配套本地工具
以下工具位于 AI 学习工作区。先阅读对应说明，确认所需数据与依赖；本轮未重新运行这些实验。
- smart-turn/README.md
可直接复用的记录模板
case_id,language,expected_commit_ms,actual_commit_ms,early_cut,extra_wait_ms,backchannel,noise,model_version turn-001,zh,待标注,待测,待测,待测,false,false,待填 约定：early_cut 以人工判定为准；推理耗时与端到端等待分别记录。
做到什么程度才算通过
- 未说完的样本不会因模型返回快就获得高分。
- 每个语种有独立的支持证据或实测记录。
- 附和不会默认触发取消。
- 时间统计包含音频采集和判停窗口。
历史 Smart Turn 小样本结果保留为本地实验背景，未在本轮重新执行，也不能外推真实电话效果。
本轮确认的事实与来源
以下为公开资料支持的具体结论；操作流程和验收建议属于工程推导。仓库说明或厂商效果表述不等于独立实测。
当前 LiveKit 话轮文档同时覆盖音频/文本 turn detector、VAD、STT endpointing 和手动控制，并将 endpointing delay 与打断处理作为可调行为。不能再将 LiveKit 判停一概写成纯文本模型。
资料日期：页面未统一标注；以复核日期为准 · 复核：2026-09-08
阅读原始来源 ↗Smart Turn 官方仓库描述 v3 基于 Whisper Tiny 与分类层，约 8M 参数，并提供 int8 与 fp32 版本。仓库模型描述不证明其在某种电话语料上的准确率。
资料日期：页面未统一标注；以复核日期为准 · 复核：2026-09-08
阅读原始来源 ↗这次更新了什么
合并 EOU 原理、多语言选型与 Smart Turn 教程；删除“噪声零误触发”和通用 300ms 承诺。
合并前的内容入口
以下旧地址仍可访问，并会带你来到本篇。完整重构前材料已留存本地备份。
- ai-learning-hub/eou.html
- research-hub/eou-multilang.html
- practice-hub/eou-smart-turn-practice.html