TEN-framework/ten-turn-detection
ten-turn-detection 是一个用于全双工对话通信的智能换言检测模型。
- 基于 Qwen2.5-7B 变换器语言模型，具备深度语义理解能力，能够精准识别对话中的自然换言时机
- 支持中英文多语言环境，实现跨语言的自然交流管理
- 将用户文本分为完成发言、等待和未完成三种状态，有效避免尴尬打断并保持流畅对话节奏
- 提供公开的中英双语测试数据集，用于评估和优化换言检测性能
- 在多个公开测试指标上表现优异，超越其他开源解决方案
TEN-framework/ten-vad
ten-vad 是一个由 TEN 开发的实时语音活动检测（VAD）系统，专为企业级应用设计，具备低延迟、高性能和轻量化特点。
- 高性能：在多个公开数据集和真实场景中表现优于 WebRTC VAD 和 Silero VAD，准确率更高且结果稳定可靠。
- 低计算复杂度与内存占用：相比同类产品资源消耗更少，更适合嵌入式及边缘设备使用。
- 快速响应能力：架构优化实现了快速的语音活动检测，有效降低对话系统中的端到端响应时间和转折检测延迟。
- 多平台多语言支持：提供 Python、C、JavaScript 等多种编程语言接口，并支持 Linux、Windows、macOS 以及移动平台如 Android 和 iOS。
- 丰富生态体系配套：作为 TEN 综合生态的一部分，可与其他模块如 TURN 检测等无缝协作，实现多模态交互体验。
ed-donner/agents
agents 是一个完整的自主智能体（Agentic AI）工程课程仓库，旨在帮助学习者在 6 周内使用 OpenAI Agents SDK、CrewAI、LangGraph、AutoGen 和 MCP 等工具编码并部署自主 AI 智能体。
- 提供系统化的 6 周学习计划，涵盖从基础到高级的 Agent 开发技能
- 支持多平台环境搭建（Windows/Mac/Linux），配备详细安装指导
- 集成多个前沿工具和框架，如 OpenAI Agents SDK 与 CrewAI，实现高效开发体验
- 包含丰富的视频资源、指南及故障排查笔记本，助力学习过程顺利进行
- 涉及 API 调用管理与成本控制建议，兼顾实用性与经济性
TEN-framework/ten-framework
ten-framework 是一个开源的多模态实时对话语音 AI 代理框架。
- 支持构建具备语音、视觉和虚拟形象交互能力的智能对话代理
- 提供低代码/无代码 TMAN Designer 工具，方便创建和管理语音代理工作流
- 集成丰富的免费 AI 头像资源，实现实时虚拟形象展示
- 与 MCP 服务器无缝连接，增强大语言模型（LLM）功能，实现实时语音交流
- 支持硬件设备（如 Espressif ESP32-S3 Korvo V3）上的实时通信部署
- 内置 Google Gemini 多模态 API 支持视觉与屏幕共享检测等高级功能
- 兼容其他主流 LLM 平台，提升跨平台互动体验
- 包含 StoryTeller 图像生成扩展，实现即时图像创作与展示
github-copilot-resources/copilot-metrics-viewer
copilot-metrics-viewer 是一个可视化工具，用于展示通过 Copilot Business Metrics API 提供的 GitHub Copilot 相关指标。
- 显示与 GitHub Copilot 相关的多种指标图表，便于理解和分析其影响及采用情况。
- 包含接受率、总建议数、总接受数等关键指标，帮助用户评估工具的有效性。
- 提供语言分解分析，包括前五种编程语言的使用情况和接受率。
- 展示 Copilot 聊天互动数据，如累计交互次数和活跃用户数量，以了解用户参与度。
- 分析座位使用情况，包括已分配但未使用以及过去七天内无活动座位的信息。