语言: English | 中文

⭐ 如果 TurnSense 对你有帮助，请给我们一个 Star！ 这将帮助我们持续改进模型与文档。

📖 目录

• News
• 为什么选择 TurnSense
• 项目简介
• 核心特性
• 模型参数量对比
• 基准测试结果
• 快速开始
• 评测说明
• 引用
• 问题与交流
• 许可证

---

📰 News

• 2026.05.22：发布 TurnSense 1.1。该版本重点增强英文轮次判别能力，尤其提升 complete 与 incomplete 语义状态的区分能力。模型已发布至 Hugging Face：brgroup/TurnSense。

🏆 为什么选择 TurnSense

---

📌 项目简介

TurnSense 是一个面向人机语音交互场景的 三分类语义轮次判别模型。它专注解决对话系统中的一个核心问题：

用户说话过程中，系统应该立即响应，还是继续等待？

传统方案通常只做二分类的“是否结束”判断。TurnSense 更进一步，同时建模语义完整度与无效输入识别，帮助系统在复杂真实场景下实现更自然的轮次衔接，并显著减少误打断、抢话和无效触发。

这三类标签让系统不仅能判断 “是否该接话”，还能识别 “输入是否值得响应”，从而在语音助手、实时通话、智能客服等语音交互场景中提升交互自然度与系统稳定性。

---

✨ 核心特性

🧠 语义级三分类

TurnSense 同时建模 complete / incomplete / invalid 三种状态。相比传统二分类轮次检测，这一设计更贴近真实对话行为，也是目前唯一原生支持无效语义检测的开源方案。

🌐 TurnSense 1.1：英文能力增强

TurnSense 1.1 在保持 complete / incomplete / invalid 三分类能力的基础上，重点增强英文场景下的语义完整度判断能力。

相比初版，TurnSense 1.1 更适合用于双语语音助手、英文客服、实时会议转写与跨语言人机交互场景，能够更稳定地区分英文表达中的完整意图与未完成表达。

📦 轻量化部署

TurnSense 保持轻量化设计，参数量约 47M，并提供 FP32 / INT8 ONNX 版本，便于集成到 CPU 环境与边缘部署场景中。

🎯 精度表现强

在 easyturn_real_test_ZH 300 条测试样本上，TurnSense 在 complete 上取得 F1 96.35%，在 incomplete 上取得 F1 96.32%。在 semantic_test_ZH 2000 条测试样本上，complete F1 达 92.30%，incomplete F1 达 91.62%，达到同类模型中的最优或次优水平。

🚫 无效输入过滤

在 NonverbalVocalization 数据集上，无效语义检测达到 100% precision、90.37% recall 和 94.34% F1，能够有效抑制非语义发声和噪声导致的误触发。

⚖️ 更稳健的轮次决策

TurnSense 在语义模糊、停顿、口语化表达等场景下兼顾 precision 与 recall，减少过早响应和漏响应。

📊 可复现评测体系

项目提供完整的评测流程与脚本，支持统一指标对比与性能回归分析，确保实验结果可复现。

🤗 开源友好，即插即用

TurnSense 提供标准化仓库结构与 FP32 / INT8 ONNX 模型，从安装到推理只需几分钟。

---

📐 模型参数量对比

💡 TurnSense 以仅 47M 的参数量实现原生三分类能力，在精度与模型体积之间取得了较好的平衡。

---

📊 基准测试结果

以下结果覆盖中文、英文与无效语义测试集。中文结果主要展示 TurnSense 初版能力，英文结果用于展示 TurnSense 1.1 的增强效果。

📋 easyturn_real_test_ZH（300 条）

数据来源：Easy-Turn-Testset 真实数据样本

🔍 关键发现： TurnSense 在 complete 和 incomplete 两类上均取得最高 F1，并且是唯一在 CPU p50 延迟低于 60ms 的同时 F1 超过 96% 的模型。

📋 semantic_test_ZH（2000 条）

数据来源：KE-Team/SemanticVAD-Dataset 中文测试集

🔍 关键发现： 在 2000 条的大规模测试集上，TurnSense 依然保持最佳 F1 表现，体现出较强的泛化能力。

📋 TurnSense 1.1 英文增强结果

模型下载地址：Hugging Face - brgroup/TurnSense

TurnSense 1.1 重点增强英文场景下的语义完整度判断能力。以下结果展示其在英文测试集上的 complete / incomplete 表现。

ten_test_EN

semantic_test_EN

📋 NonverbalVocalization_invalid（728 条）

数据来源：OpenSLR Deeply Nonverbal Vocalization Dataset（SLR99）

🔍 关键发现： TurnSense 支持无效语义检测，能够有效减少非语义发声或噪声触发的系统响应。

---

🚀 快速开始

1. 安装

git clone https://github.com/Bairong-Xdynamics/TurnSense.git
cd TurnSense

pip install -U numpy onnxruntime torch librosa soundfile pandas scikit-learn huggingface_hub

2. 获取模型权重

TurnSense 模型权重已发布在 Hugging Face：brgroup/TurnSense

下载方式：

方式一：自动下载（推荐）

推理脚本内置 Hugging Face 下载逻辑，首次运行时会自动下载并缓存模型。

方式二：Git LFS

git lfs install
git clone https://huggingface.co/brgroup/TurnSense

方式三：Hugging Face Hub

from huggingface_hub import snapshot_download
snapshot_download(repo_id="brgroup/TurnSense")

3. 推理

python infer.py

示例输出：

Loading model from brgroup/TurnSense...
Running inference on: "我想问一下那个订单就是昨天..."

Results:
  Input: "我想问一下那个订单就是昨天..."
  TurnSense Detection Result: "incomplete"

---

🧪 评测说明

1. 评测流程

1. 读取 .jsonl 格式的测试数据集。
2. 每个模型先进行预热，默认参数为 warmup_iters=20。
3. 逐样本推理，并统计分类指标与性能指标。
4. 自动导出汇总报告和详细结果文件。

输出文件包括：

2. 数据格式要求（JSONL）

每一行应为一个 JSON 对象，至少包含以下字段：

示例：

{"audio_path":"/001.wav","text":"帮我查一下明天上海天气。","label":"complete"}
{"audio_path":"/002.wav","text":"我想问一下那个订单就是昨天...","label":"incomplete"}
{"audio_path":"/003.wav","text":"啊... 嗯... 持续噪声","label":"invalid"}

3. 运行评测

python TurnSense/Turn_benchmark/benchmark.py

---

📚 引用

如果你在研究或产品中使用了 TurnSense，请引用：

@misc{turnsense2026,
  author       = {Baiji Team},
  title        = {TurnSense and TurnSense 1.1: Three-Class Semantic Turn Detection for Chinese and English Speech Interaction},
  year         = {2026},
  publisher    = {Hugging Face},
  howpublished = {\url{https://huggingface.co/brgroup/TurnSense}},
}

❓ 问题与交流

如果有问题或建议，欢迎通过以下方式联系我们：

📄 许可证

本项目基于 Apache License 2.0 发布，并附加特定限制条件。详情请参见 LICENSE。

---