genpark-voice-vad

genpark-voice-vad

音声ターンの終了点検出に用いる、エネルギーとトランスクリプトのヒューリスティクスです。

事前計算済みの dB エネルギーとトランスクリプトを使うヒューリスティックな終了点検出器です。音声のデコードや文字起こし、学習済みの VAD モデルの実行は行いません。信頼度の値はヒューリスティックなスコアであり、較正済みの確率ではありません。

GitHub リリースからインストールする

Python 3.9 以降が必要です。このライブラリと stdio MCP サーバーには、実行時依存関係がありません。

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

PyPI への公開は、アカウント設定が完了するまで保留中です。PyPI でのプロジェクト名は genpark-voice-vad を予定しています。プロジェクトが公開されるまでは、pip install genpark-voice-vad が利用可能だと想定しないでください。

Python の使用方法

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

MCP stdio の設定

wheel をインストールした後、インストール済みのコマンドを使って MCP クライアントを設定してください。

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

コマンドが PATH にない場合は、絶対パスを使うか、wheel のインストール先と同じインタープリターで python -m genpark_voice_vad を実行してください。 GitHub リリースには、デスクトップ拡張機能に対応したクライアント向けの .mcpb バンドルも含まれています。 このバンドルには、PATH に Python 3.9 以降のインタープリターが必要です。バンドルにはサーバーのソースコードが含まれています。

利用可能なツール：analyze_turn_status、calibrate_acoustic_thresholds、predict_semantic_closure、run_benchmark_turn_detection。 tools/list を実行すると、必須引数と JSON スキーマが返されます。 各 MCP プロセスは独自の状態を保持します。ベンチマークツールは、分離されたインスタンスを使用します。

開発

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 は決定的なサンプルを実行します。プロトコルの適合性テストではありません。 MCP クライアントチェックでは、stdio 経由で initialize、tools/list、tools/call、ping を実行します。

配布

PyPI の設定が完了するまでは、GitHub のソースとリリース成果物を主な配布先とします。 レジストリへの申請は別途追跡しており、マニフェストはレジストリでの受理を証明するものではありません。 再現可能な PyPI 公開ワークフローについては、PUBLISHING.md を参照してください。

MIT ライセンス。GenPark がメンテナンスしています。