即构科技发布实时互动AI Agent v2.8.5版本，新增语音活动检测(VAD)灵敏度调整功能，支持低、中、高三种模式及自定义参数，以优化语音识别和打断灵敏度。
语音活动检测（VAD）用于识别语音的起止点，以节省带宽并提高语音识别精度。本文介绍了一种适用于计算受限设备的实时统计模型VAD，结合噪声估计，能够在低信噪比下有效区分语音与非语音区域。
OBS Studio 32.0 进入公开测试，支持 Linux、macOS 和 Windows，新增语音活动检测、混合 MOV 支持和插件管理器，改进音频处理，修复多个错误，并提供自动崩溃日志上传。请勿在生产环境中使用。
ten-turn-detection 是一款智能换言检测模型，支持中英文对话，提升交流流畅性。ten-vad 是低延迟、高性能的实时语音活动检测系统，适合企业应用。agents 提供自主智能体开发课程，ten-framework 是开源的多模态对话框架，支持语音与视觉交互。
EchoSharp是一个开源音频处理项目，旨在实现近实时音频处理，集成多种AI模型，支持语音转文本和语音活动检测。该项目仍在早期阶段，未来将增加更多功能，以提升语音识别和音频分析的质量。
本研究解决了目标说话者语音处理中的说话者嵌入评估问题。通过比较预训练说话者编码器与理想嵌入，发现一热向量比基于录音的嵌入表现更好，且最佳嵌入取决于输入混合特性。这有助于提升自动语音识别和语音活动检测的效果。
该研究提出了一种隐私保护的工作流程，通过集成语音活动检测和自动语音识别等技术，提高对受保护语言音频数据的注释效率。该流程可加速记录的元语言转录，并减少数据浏览和筛选的时间。
完成下面两步后，将自动完成登录并继续当前操作。
