GenPark Voice VAD

Heurísticas de endpoint de voz utilizando energías de trama proporcionadas, fragmentos de transcripción y duración de silencio. MCP local de Python stdio; no procesa audio crudo.

Documentación

genpark-voice-vad

Heurísticas de energía y transcripción para la detección de final de turno de voz.

Este es un detector de final de turno heurístico basado en energías dB precalculadas y una transcripción. No decodifica audio, transcribe voz ni ejecuta un modelo VAD entrenado. Los valores de confianza son puntuaciones heurísticas, no probabilidades calibradas.

Instalación desde el release de GitHub

Python 3.9 o superior. La biblioteca y el servidor MCP stdio no tienen dependencias en tiempo de ejecución.

python -m pip install https://github.com/Alpha-Park/genpark-voice-turn-taking-endpoint-detector-skill/releases/download/v1.0.1/genpark_voice_vad-1.0.1-py3-none-any.whl

La publicación en PyPI está pendiente de configuración de la cuenta. El proyecto PyPI previsto es genpark-voice-vad; no asumas que pip install genpark-voice-vad está disponible hasta que el proyecto se publique.

Uso en Python

from genpark_voice_vad import VoiceTurnTakingEndpointDetector
client = VoiceTurnTakingEndpointDetector()
print(client.run_benchmark_turn_detection())

Configuración de MCP stdio

Después de instalar el wheel, configura tu cliente MCP con el comando instalado:

{
  "mcpServers": {
    "genpark-voice-vad": {
      "command": "genpark-voice-vad",
      "args": []
    }
  }
}

Si el comando no está en PATH, usa su ruta absoluta o python -m genpark_voice_vad con el mismo intérprete donde instalaste el wheel. El release de GitHub también contiene un paquete .mcpb para clientes que admiten extensiones de escritorio. Ese paquete requiere un intérprete de Python 3.9+ en PATH; incluye el código fuente del servidor.

Herramientas disponibles: analyze_turn_status, calibrate_acoustic_thresholds, predict_semantic_closure, run_benchmark_turn_detection. tools/list devuelve los argumentos requeridos y los esquemas JSON. Cada proceso MCP mantiene su propio estado. Las herramientas de benchmark usan instancias aisladas.

Desarrollo

python -m unittest discover -s tests
python -m pip install mcp
python tests/check_mcp.py
python -m pip install build twine
python -m build
python -m twine check dist/*

python mcp_server.py --test ejecuta el ejemplo determinista; no es una prueba de conformidad de protocolo. La verificación del cliente MCP ejercita initialize, tools/list, tools/call y ping sobre stdio.

Distribución

El código fuente de GitHub y los artefactos del release son la distribución principal hasta que PyPI esté configurado. Los envíos a registros se rastrean por separado; un manifiesto no es prueba de aceptación en el registro. Consulta PUBLISHING.md para el flujo de trabajo repetible de PyPI.

Licencia MIT. Mantenido por GenPark.