目录

• 欢迎来到 TEN
• 简介
• TEN Hugging Face Space
• 主要特性
• 准备好的数据集
• 检测性能
• 快速开始
  • 安装
  • 模型权重
  • 推理
• 引用
• TEN 生态系统
• 提问
• 许可证

欢迎来到 TEN

TEN 是一个用于对话式语音 AI Agent（智能体）的开源框架。

TEN 生态系统 包括 TEN Framework、Agent Examples（智能体示例）、VAD（Voice Activity Detection，语音活动检测）、Turn Detection（轮次检测） 和 Portal。

社区渠道	用途
	在 X 上关注 TEN Framework 以获取更新和公告
	在 LinkedIn 上关注 TEN Framework 以获取更新和公告
	加入我们的 Discord 社区与开发者交流
	加入我们的 Hugging Face 社区，探索我们的 Spaces 和模型
	加入我们的微信群进行中文社区讨论

[!IMPORTANT]

点亮 TEN 仓库 Star ⭐️

获取新版本和更新的即时通知。您的支持帮助我们成长和改进 TEN！

TEN Hugging Face Space

https://github.com/user-attachments/assets/725a8318-d679-4b17-b9e4-e3dce999b298

非常欢迎您 访问 TEN Hugging Face Space 体验 VAD 和 Turn Detection 的结合。

简介

TEN Turn Detection 是一个先进的智能轮次检测模型，专为人类与 AI Agent 之间自然、动态的交流而设计。该技术解决了人机对话中最具挑战性的问题之一：检测自然的轮次转换线索并启用具备上下文感知的中断机制。TEN Turn Detection 融合了对对话上下文和语言模式的深度语义理解，旨在与 AI 创造更自然的对话体验。

TEN Turn Detection 将用户的文本归类为三种关键状态：

finished（已完成）：用户已表达完整想法并期待回应的完整话语。示例："Hey there I was wondering can you help me with my order"

wait（等待）：用户明确指示 AI 不要说话的等待话语。示例："Shut up"

unfinished（未完成）：明显未完成的话语，用户暂时停顿但打算继续说话。示例："Hello I have a question about"

这三种分类状态使 TEN 系统能够通过智能管理轮次转换来创造自然的对话动态，在保持对话流畅的同时减少尴尬的中断。

TEN Turn Detection 利用基于 Transformer（变换器）的语言模型（Qwen2.5-7B）的多层方法进行语义分析。

主要特性

• 上下文感知的轮次管理 TEN Turn Detection 分析语言模式和语义上下文，以准确识别轮次完成点。此功能实现了智能中断处理，允许系统在各种对话场景中确定何时中断是符合上下文情境的，同时保持自然的对话流畅度。

• 多语言轮次检测支持 TEN Turn Detection 为英语和中文提供全面支持。它旨在准确识别多语言对话中的轮次转换线索和完成信号。

• 卓越的性能 与多种开源解决方案相比，TEN 在我们公开的测试数据集上的所有指标均实现了卓越的性能。

已准备的数据集

我们开源了 TEN-Turn-Detection 测试集，这是一个专为评估 AI 对话系统中的轮次检测（Turn Detection）能力而设计的双语（中文和英文）对话输入集合。该数据集包含三个不同的组成部分：

wait.txt：包含请求暂停或终止对话的表达

unfinished.txt：包含不完整的对话输入，话语被截断

finished.txt：提供跨多个领域的完整对话输入

检测性能

我们使用我们的测试数据集进行了全面的评估，比较了几个用于轮次检测的开源模型：

注意：

1. Model A 不支持中文处理
2. Model A 和 Model B 均不支持 "WAIT" 状态检测

快速开始

安装

git clone https://github.com/TEN-framework/ten-turn-detection.git
pip install "transformers>=4.45.0"
pip install "torch>=2.0.0"

模型权重

TEN Turn Detection 模型已在 HuggingFace 上发布：

• 模型仓库：TEN-framework/TEN_Turn_Detection

您可以通过以下几种方式下载模型：

1. 自动下载（推荐）：当您首次运行推理脚本时，模型权重将自动下载。HuggingFace Transformers 会将模型缓存在本地。

2. 使用 Git LFS：

   # Install Git LFS if you haven't already
   git lfs install
   
   # Clone the repository with model weights
   git clone https://huggingface.co/TEN-framework/TEN_Turn_Detection
   

3. 使用 Hugging Face Hub 库：

   from huggingface_hub import snapshot_download
   
   snapshot_download(repo_id="TEN-framework/TEN_Turn_Detection")
   

推理

推理脚本接受用户输入的命令行参数：

# Basic usage
python inference.py --input "Your text to analyze"

示例输出：

Loading model from TEN-framework/TEN_Turn_Detection...
Running inference on: 'Hello I have a question about'

Results:
Input: 'Hello I have a question about'
Turn Detection Result: 'unfinished'

引用

如果您在研究或应用中使用 TEN Turn Detection，请引用：

@misc{TEN_Turn_Detection,
author = {TEN Team},
title = {TEN Turn Detection: Turn detection for full-duplex dialogue communication

},
year = {2025},
url = {https://github.com/TEN-framework/ten-turn-detection},
}

TEN 生态系统

项目	预览
️TEN Framework 用于对话式 AI Agent 的开源框架。
TEN VAD 低延迟、轻量级且高性能的流式语音活动检测器 (VAD)。
️ TEN Turn Detection TEN Turn Detection 实现全双工对话通信。
TEN Agent Examples 基于 TEN 的用例。
TEN Portal TEN Framework 的官方网站，包含文档和博客。

提问

大多数问题可以通过使用 DeepWiki 得到解答，它速度快、直观易用且支持多种语言。

许可证

本项目根据 Apache License 2.0 版本发布，并包含额外限制。详情请参阅 LICENSE 文件。

TEN Turn Detection 快速上手指南

TEN Turn Detection 是一个基于 Qwen2.5-7B 的高级对话轮次检测模型，支持中英文，能够精准识别“已完成”、“未完成”和“等待”三种对话状态，适用于构建自然的 AI 语音交互系统。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• Python: 建议使用 Python 3.8 或更高版本。
• 深度学习框架:
  • torch >= 2.0.0
  • transformers >= 4.45.0
• 硬件建议: 模型基于 Qwen2.5-7B，建议配备具有足够显存（如 16GB+）的 GPU 以获得最佳推理性能。

安装步骤

1. 克隆项目代码 从 GitHub 获取项目源码：

   git clone https://github.com/TEN-framework/ten-turn-detection.git
   

2. 安装依赖库 安装必要的 Python 依赖包：

   pip install "transformers>=4.45.0"
   pip install "torch>=2.0.0"
   

基本使用

1. 准备模型权重

模型权重托管在 HuggingFace 上（TEN-framework/TEN_Turn_Detection）。 推荐方式为自动下载：首次运行推理脚本时，transformers 库会自动从 HuggingFace 下载并缓存模型权重到本地。

2. 运行推理

使用项目提供的 inference.py 脚本进行文本状态检测。

基本命令：

python inference.py --input "Your text to analyze"

示例：检测未完成语句

输入一段明显未说完的话：

python inference.py --input "Hello I have a question about"

预期输出结果：

Loading model from TEN-framework/TEN_Turn_Detection...
Running inference on: 'Hello I have a question about'

Results:
Input: 'Hello I have a question about'
Turn Detection Result: 'unfinished'

模型将返回以下三种状态之一：

• finished: 用户表达完整，期待回复。
• unfinished: 用户暂停但意图继续说话。
• wait: 用户明确指示 AI 保持静默（如“闭嘴”）。