许可证：Apache-2.0
流程标签：文本生成
标签：

• 话轮检测
• 对话系统
• 自然语言理解

TEN话轮检测系统

全双工会话通信中的话轮检测技术

简介

TEN话轮检测系统 是一款专为人机自然动态交互设计的智能话轮检测模型。该技术攻克了人机对话中最具挑战性的难题——精准识别自然话轮转换信号，实现上下文感知的合理插话。TEN通过深度理解会话语境与语言模式，显著提升AI对话的自然流畅度。

TEN话轮检测系统 将用户文本智能归类为三种状态：

完整话轮(finished)：用户完成完整表达并期待回应。示例："你好，我想咨询订单问题"

等待确认(wait)：存在歧义的表达，系统无法确定是否还有后续内容。示例："这次对话需要立刻结束"

未完成话轮(unfinished)：明显中断的表述，用户暂歇但意图继续。示例："您好，我想问一下关于..."

基于这三态分类体系，TEN系统能智能管理话轮转换，在保持对话流畅性的同时减少唐突打断。

本系统采用基于Qwen2.5-7B Transformer架构的多层次语义分析模型。

核心特性

• 语境感知的话轮管理
  通过分析语言模式与语义上下文，精准识别话轮结束点。该能力支持智能插话决策，确保打断行为符合对话情境。

• 多语言话轮检测
  全面支持中英文双语环境，精准识别跨语言会话中的话轮转换信号。

• 卓越性能表现
  在公开测试集上，TEN各项指标均显著优于开源解决方案。

开源数据集

我们公开了TEN话轮检测测试集，包含专为评估AI对话系统话轮检测能力设计的中英文双语语料，由三个部分组成：

wait.txt：包含请求暂停或终止对话的表述

unfinished.txt：收录不完整的中断对话

finished.txt：涵盖多领域的完整对话输入

性能对比

我们在测试集上对多个开源模型进行了全面评估：

说明：

1. Model A不支持中文处理
2. Model A/B均不支持"等待确认"状态检测

快速开始

项目已开源至GitHub：TEN-framework/ten-turn-detection

安装

pip install "transformers>=4.30.0"  
pip install "torch>=2.0.0"  

模型权重

模型已发布于HuggingFace平台

推理示例

from transformers import AutoTokenizer, AutoModelForCausalLM  
import torch  

# 加载模型  
model_id = 'TEN-framework/TEN_Turn_Detection'  
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True, torch_dtype=torch.bfloat16)  
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)  

# GPU加速  
model = model.cuda()  
model.eval()  

# 推理函数  
def analyze_text(text, system_prompt=""):  
    inf_messages = [{"role":"system", "content":system_prompt}] + [{"role":"user", "content":text}]  
    input_ids = tokenizer.apply_chat_template(  
        inf_messages,   
        add_generation_prompt=True,   
        return_tensors="pt"  
    ).cuda()  
      
    with torch.no_grad():  
        outputs = model.generate(  
            input_ids,   
            max_new_tokens=1,   
            do_sample=True,   
            top_p=0.1,   
            temperature=0.1,   
            pad_token_id=tokenizer.eos_token_id  
        )  
          
    response = outputs[0][input_ids.shape[-1]:]  
    return tokenizer.decode(response, skip_special_tokens=True)  

# 使用示例  
text = "您好，我想咨询"  
result = analyze_text(text)  
print(f"输入文本：'{text}'")  
print(f"检测结果：'{result}'")  

引用

如使用TEN话轮检测系统，请引用：

@misc{TEN_Turn_Detection,  
author = {TEN技术团队},  
title = {TEN话轮检测系统：全双工会话通信中的话轮检测技术},  
year = {2025},  
url = {https://github.com/TEN-framework/ten-turn-detection},  
}  

许可

本项目采用Apache 2.0开源协议。