TENAgent 团队近日宣布，其核心模型**TENVoiceActivityDetection（VAD）**和**TENTurnDetection**正式开源，为构建实时、多模态的语音 AI 代理提供了强大的技术支持。
这一举措标志着 TEN 框架在推动语音交互技术民主化与开源协作方面的重大进展。以下是 AIbase 整理的
TENVAD 是一款专为企业级应用设计的实时语音活动检测器，以低延迟、轻量化和高性能著称。根据官方信息及社交媒体反馈，TENVAD 能够精确到帧级别检测语音活动，显著优于业界常用的 WebRTCVAD 和 SileroVAD。以下是其核心亮点:
-**低计算复杂度**:TENVAD 的库体积小，计算复杂度低，支持跨平台 C 语言兼容，覆盖 Linuxx64、Windows、macOS、Android 和 iOS 等多种操作系统，同时提供针对 Linuxx64 的 Python 绑定和 Web 端的 WASM 支持。[]（https://huggingface.co/TEN-framework/ten-vad）
-**高精度与低延迟**: 相比 SileroVAD，TENVAD 在语音到非语音的转换检测中延迟更低，能快速识别短暂停顿，适合实时交互场景。测试显示，其实时因子 （RTF） 在多种 CPU 平台上表现优异。[](https://huggingface.co/TEN-framework/ten-vad)
-**
社交媒体上，开发者对 TENVAD 的开源表示高度认可，认为其性能超越传统 VAD 模型，为实时语音助手开发提供了强有力的工具。
**TENTurnDetection**是一款专为全双工语音通信设计的智能轮次检测模型，旨在解决人机对话中最具挑战性的问题之一: 准确判断用户何时结束发言并进行上下文感知的中断处理。以下是其关键特性:
-**语义分析能力**: 基于 Qwen2.5-7B 的 Transformer 模型，TENTurnDetection 通过分析对话的语义上下文和语言模式，精准区分用户发言的 「完成」、「等待」 和 「未完成」 状态。例如，它能识别 「嘿，我想问个问题……」 为未完成发言，从而避免不必要的 AI 打断。[]（https://huggingface.co/TEN-framework/TEN_Turn_Detection）
-**多语言支持**: 目前支持英语和中文，能够准确识别多语言对话中的轮次信号，适用于全球化应用场景。[]（https://huggingface.co/TEN-framework/TEN_Turn_Detection）
-**优异性能**: 在公开测试数据集上，TENTurnDetection 在各项指标上均超越其他开源轮次检测模型，尤其在动态实时对话中表现出色。[]（https://huggingface.co/TEN-framework/TEN_Turn_Detection）
-**自然交互体验**: 结合 TENVAD，TENTurnDetection 使 AI 代理能够像人类一样等待合适的发言时机，或在适当的语境下处理用户中断，从而打造更自然的对话体验。[]（https://www.agora.io/en/blog/making-voice-ai-agents-more-human-with-ten-vad-and-turn-detection/）
TENAgent 生态: 多模态实时 AI 的基石
TENAgent 是 TEN 框架的展示项目，整合了 TENVAD、TENTurnDetection 等核心组件，支持语音、视频、文本等多模态实时交互。以下是其在生态中的作用:
-**无缝集成**:TENVAD 与 TENTurnDetection 作为 TEN 框架的插件，开发者可通过简单配置将其融入语音代理开发流程，支持与 Deepgram、ElevenLabs 等服务的集成。
-**多场景应用**:TENAgent 支持从智能客服、实时翻译到虚拟伴侣等多种用例。例如，结合 GoogleGemini 多模态 API，TENAgent 可实现实时视觉和屏幕共享检测，扩展了其在教育、医疗等领域的应用。
-**开源协作**:TEN 框架的全部组件 （除 TENVAD 部分代码外） 均已完全开源，鼓励社区开发者贡献代码、修复 Bug 或提出新功能。TEN 团队通过 GitHubIssues 和 Projects 提供协作渠道，吸引了广泛的开发者参与
项目:https://github.com/TEN-framework/ten-framework
