页:1
回答机器检测 长老会。 一个ONNX低语的分类器读取了第一秒 声音并返回状态(HUMAN、MACHINE、VOICEMAIL、IVR或UNKNOWN), 探测器名称和间隔.
给Appbridge装上 amd 听从者啊!他只把一个听从者,当归宿,
收集呼叫者的音频( 16 kHz L16) 和呼叫 classifyPcm。带货包的模范船
内 amd-model/。 。 。 .
import { classifyPcm } from "@fonoster/amd";
const verdict = await classifyPcm(pcm);
递归体
test/fixtures/regression/ 是一个永久保存的、正确的许可证
包含所有四个分类器的21个音频短片(每5个或以上)
标签——11个人(10个真实的谈话片段来自PolyAI/MINDS-14, CC BY)
4.0,加上一个脚本叙述边框,3个语音信箱和1个回答..
机匣(真实的,CC0,来自Freesound)和2个应答机+4个IVR
内部合成的片段(没有带有清洁许可证的实时记录)
关于这两类人. manifest.json 每个片段的针头
当前 分类器输出( e)knownStatus编号 :knownConfidence页:1
test/amd/regression.test.ts 目标是:
抓住沉默行为改变(模式互换、特征取出器编辑、,
依赖性凸起)而不是测量精度. 标定的基线
不同意文件的真实世界标签( e)groundTruthLabel这是
记录已知的精度差距,而不是测试错误——见每个条目的 note页:1
为了追踪已知的混乱情况(如正式/综合的IVR),故意存在的很少
剧本读作"MACHINE"),而不是隐藏.
每个第三方剪辑的许可证和归属都在
test/fixtures/regression/ATTRIBUTION.md。 。 。 .