|
|
--- |
|
|
license: apache-2.0 |
|
|
language: |
|
|
- zh |
|
|
- en |
|
|
base_model: |
|
|
- google/gemma-3-270m-it |
|
|
pipeline_tag: text-classification |
|
|
tags: |
|
|
- turn-detection |
|
|
--- |
|
|
|
|
|
👉👉👉👉👉 [github](https://github.com/justplus/turn-detection) |
|
|
|
|
|
Turn Detection（对话轮次检测）是一个用于人机对话系统中的关键技术，主要用于： |
|
|
- **对话边界识别**：准确判断用户何时结束当前发言，避免对话系统过早或过晚响应 |
|
|
- **多轮对话管理**：在连续对话中识别每个对话轮次的开始和结束，提升对话体验 |
|
|
- **实时交互优化**：通过精准的轮次检测，实现更自然流畅的人机交互 |
|
|
- **语音助手增强**：为语音助手、客服机器人等应用提供更智能的对话控制 |
|
|
|
|
|
## 2. 主要特点 |
|
|
|
|
|
### 🔄 支持多轮对话 |
|
|
- 能够处理复杂的多轮对话场景 |
|
|
- 准确识别对话中的停顿、思考和真正的轮次结束 |
|
|
- 支持上下文感知的轮次判断 |
|
|
|
|
|
支持多轮对话的重要性： |
|
|
``` |
|
|
user: 我们来个成语接龙吧？ |
|
|
assistant: 那我先来，杞人忧天。该你了 |
|
|
user: 天天向上 |
|
|
``` |
|
|
非多轮对话下单一的"天天向上"是不完整的，但是放在上下文中则应该是完整的。 |
|
|
|
|
|
### 🚀 轻量化推理 |
|
|
- 模型参数仅270M，资源占用低 |
|
|
- 支持CPU推理，无需GPU即可部署 |
|
|
- 推理速度快，满足实时对话需求 |
|
|
- 适合边缘设备和资源受限环境 |
|
|
|
|
|
### 🌍 多语言支持 |
|
|
- 原生支持中文和英文对话检测 |
|
|
- 模型架构支持微调扩展到其他语言 |
|
|
- 跨语言泛化能力强 |
|
|
|
|
|
### 🛠️ 可定制化 |
|
|
- 提供完整的微调框架 |
|
|
- 支持针对特定领域和语言的定制训练 |
|
|
- 灵活的数据处理和训练流程 |
|
|
|
|
|
### 🙅♂️ 支持等待状态 |
|
|
- 0 (不完整)：用户话语未说完，需要等待继续输入 |
|
|
- 1 (完整)：用户话语表达完整，可以进行回复 |
|
|
- 2 (要求等待)：用户要求暂停或打断AI回复 |
|
|
|
|
|
|
