Détection de tour de parole LiveKit

VérifiéSûr

Configurez la détection de tour, VAD et la gestion des interruptions pour des conversations vocales AI naturelles avec LiveKit.

Spar Skills Guide Bot
DeveloppementIntermédiaire
25/07/2026
Claude CodeCursorWindsurf
#turn-detection#voice-activity-detection#vad#endpointing#interruption-handling

Recommandé pour

Synthèse automatique

Ce skill permet de configurer la détection de fin de tour, la VAD et la gestion des interruptions dans les conversations vocales avec LiveKit.

Points forts

  • Supporte plusieurs modes de détection (VAD serveur, ML, STT) pour s'adapter aux besoins.
  • Offre un contrôle fin des paramètres VAD (seuils, durées) pour optimiser la réactivité.
  • Gère les interruptions et les faux positifs avec une logique de reprise intégrée.

Limites

  • Nécessite une compréhension des concepts audio et de la latence réseau.
  • Les modèles ML de turn detection peuvent être gourmands en ressources.
Quand l'utiliser

Utilisez ce skill pour implémenter des conversations vocales naturelles avec détection précise des fins de phrases et gestion des interruptions.

Quand l'éviter

Évitez ce skill si votre application n'utilise pas LiveKit ou si vous avez besoin d'une logique de turn detection très spécifique non couverte.

Analyse de sécurité

Sûr
Score qualité90/100

The skill provides configuration guidance and code examples for LiveKit's turn detection features. It uses only allowed-tools (Read, Write, Bash for package installations) and contains no destructive, exfiltrating, or obfuscated commands. The Bash commands are limited to standard pip/npm installs, posing no risk.

Aucun point d'attention détecté

Comment cette analyse est faite

Exemples

Basic VAD Setup
Configure Silero VAD for a LiveKit voice agent with a 0.5 second minimum silence duration and 0.3 activation threshold.
ML-Based Turn Detection
Set up ML-based turn detection using the EOU model and enable interruption handling with a minimum of 3 words before allowing interruption.
Endpointing Delay Configuration
Configure endpointing delay for a LiveKit voice agent: wait 800ms of silence before responding, with a maximum wait of 3 seconds.

name: livekit-turn-detection description: Configure turn detection, VAD, and interruption handling for natural voice AI conversations argument-hint: "<turn detection requirements>" allowed-tools: Read, Write, Bash(pip install, npm install), Glob, Grep, WebSearch

LiveKit Turn Detection

Natural conversation flow for voice AI: $ARGUMENTS

Expert Knowledge

You are a LiveKit turn detection specialist with expertise in:

  • Voice Activity Detection (VAD)
  • End-of-turn detection strategies
  • Interruption handling
  • Endpointing configuration
  • Conversational flow optimization

Turn Detection Modes

| Mode | Description | Best For | |------|-------------|----------| | server_vad | VAD-based silence detection | General use | | turn_detector | ML-based context detection | Natural conversation | | stt | STT endpoint markers | Specific languages | | Manual | Application-controlled | Custom logic |

VAD Configuration

Silero VAD (Default)

from livekit.plugins.silero import VAD

vad = VAD.load(
    # Minimum duration to consider as speech
    min_speech_duration=0.1,  # seconds

    # Silence duration before end of speech
    min_silence_duration=0.3,  # seconds

    # Padding around speech detection
    padding_duration=0.1,  # seconds

    # Sensitivity threshold (0-1)
    # Higher = more sensitive to speech
    activation_threshold=0.5,

    # Sample rate
    sample_rate=16000,
)

await session.start(
    agent=MyAgent(),
    vad=vad,
    turn_detection="server_vad",
    ...
)

VAD Events

@RtcSession.factory
async def create_session(session: AgentSession):
    @session.on("vad_speech_started")
    def on_speech_start():
        print("Speech detected")

    @session.on("vad_speech_ended")
    def on_speech_end():
        print("Silence detected")

    await session.start(...)

Turn Detector (ML-Based)

Uses a transformer model for better end-of-turn detection:

from livekit.plugins.turn_detector import EOUModel

# Load the model
turn_detector = EOUModel.load()

await session.start(
    agent=MyAgent(),
    stt="deepgram/nova-3",
    llm="openai/gpt-4o-mini",
    tts="cartesia/sonic",
    vad=silero.VAD.load(),
    turn_detection=turn_detector,  # ML-based
)

Benefits

  • Considers conversational context
  • Better handles thinking pauses
  • Reduces false positives from filler words
  • More natural conversation flow

STT Endpointing

Use STT's built-in endpointing:

await session.start(
    agent=MyAgent(),
    stt="deepgram/nova-3",  # Has built-in endpointing
    llm="openai/gpt-4o-mini",
    tts="cartesia/sonic",
    vad=silero.VAD.load(),  # Still needed for interruptions
    turn_detection="stt",  # Use STT's endpointing
)

Endpointing Delay

Control how long to wait after speech ends:

await session.start(
    agent=MyAgent(),
    stt="deepgram/nova-3",
    llm="openai/gpt-4o-mini",
    tts="cartesia/sonic",
    vad=silero.VAD.load(),
    turn_detection="server_vad",

    # Wait 500ms of silence before responding
    min_endpointing_delay=0.5,

    # Maximum wait time
    max_endpointing_delay=2.0,
)

Interruption Handling

Allow Interruptions (Default)

await session.start(
    agent=MyAgent(),
    ...
    allow_interruptions=True,  # User can interrupt agent
    interrupt_min_words=3,      # Min words before allowing interrupt
)

Handle Interruptions

class InterruptibleAgent(Agent):
    async def on_interrupted(self):
        """Called when user interrupts agent speech."""
        print("User interrupted")
        # Could log, adjust behavior, etc.

    async def on_user_speech_started(self):
        """Called when user starts speaking."""
        # Agent will automatically stop speaking
        pass

False Interruption Recovery

await session.start(
    agent=MyAgent(),
    ...
    # Resume speech after false interrupt
    resume_on_false_interrupt=True,

    # How long to wait for actual user speech
    false_interruption_timeout=0.5,
)

Disable Interruptions

await session.start(
    agent=MyAgent(),
    ...
    allow_interruptions=False,  # Agent finishes before listening
)

Manual Turn Control

For non-conversational applications:

class ManualTurnAgent(Agent):
    def __init__(self):
        super().__init__(
            instructions="You process audio commands."
        )

    async def start_listening(self):
        """Manually trigger listening."""
        await self.session.start_listening()

    async def stop_listening(self):
        """Manually stop listening."""
        await self.session.stop_listening()

    async def process_audio(self):
        """Process captured audio."""
        transcript = await self.session.get_transcript()
        # Process transcript

Session Events

@RtcSession.factory
async def create_session(session: AgentSession):
    @session.on("user_speech_started")
    def on_user_start():
        print("User started speaking")

    @session.on("user_speech_ended")
    def on_user_end(transcript: str):
        print(f"User finished: {transcript}")

    @session.on("agent_speech_started")
    def on_agent_start():
        print("Agent started speaking")

    @session.on("agent_speech_interrupted")
    def on_agent_interrupted():
        print("Agent was interrupted")

    @session.on("agent_speech_ended")
    def on_agent_end():
        print("Agent finished speaking")

    @session.on("turn_completed")
    def on_turn_complete():
        print("Turn completed")

    await session.start(...)

Optimizing Turn Detection

Fast Response

await session.start(
    agent=FastAgent(),
    stt="deepgram/nova-3",
    llm="openai/gpt-4o-mini",  # Fast model
    tts="cartesia/sonic",
    vad=silero.VAD.load(
        min_silence_duration=0.2,  # Quick detection
    ),
    turn_detection="server_vad",
    min_endpointing_delay=0.3,  # Short delay
)

Natural Conversation

from livekit.plugins.turn_detector import EOUModel

await session.start(
    agent=ConversationalAgent(),
    stt="deepgram/nova-3",
    llm="openai/gpt-4o",  # Better context understanding
    tts="cartesia/sonic",
    vad=silero.VAD.load(
        min_silence_duration=0.4,  # Allow thinking pauses
    ),
    turn_detection=EOUModel.load(),  # ML-based
    min_endpointing_delay=0.5,
)

Telephony Optimized

await session.start(
    agent=PhoneAgent(),
    stt="deepgram/nova-3-phonecall",
    llm="openai/gpt-4o-mini",
    tts="cartesia/sonic",
    vad=silero.VAD.load(
        min_silence_duration=0.5,  # Account for phone delay
        activation_threshold=0.6,   # Less sensitive for noise
    ),
    turn_detection="server_vad",
    min_endpointing_delay=0.6,
    noise_cancellation=noise_cancellation.NC(),
)

Debugging Turn Detection

import logging

logging.basicConfig(level=logging.DEBUG)

@RtcSession.factory
async def create_session(session: AgentSession):
    @session.on("vad_metrics")
    def on_vad_metrics(metrics):
        print(f"VAD probability: {metrics.speech_probability:.2f}")
        print(f"Speech duration: {metrics.speech_duration:.2f}s")

    @session.on("turn_detection_metrics")
    def on_turn_metrics(metrics):
        print(f"Confidence: {metrics.confidence:.2f}")
        print(f"Is end of turn: {metrics.is_end_of_turn}")

    await session.start(
        agent=MyAgent(),
        ...
    )

Complete Example

import logging
from dotenv import load_dotenv
from livekit.agents import Agent, AgentSession, RtcSession, AgentServer
from livekit.plugins import silero, noise_cancellation
from livekit.plugins.turn_detector import EOUModel

load_dotenv()
logging.basicConfig(level=logging.INFO)

class ConversationalAgent(Agent):
    def __init__(self):
        super().__init__(
            instructions="""You are a natural conversational assistant.
            Listen carefully and respond thoughtfully.
            It's okay to pause while thinking."""
        )
        self.interrupted_count = 0

    async def on_enter(self):
        await self.session.generate_reply(
            "Hi! I'm ready to chat. What's on your mind?"
        )

    async def on_interrupted(self):
        self.interrupted_count += 1
        logging.info(f"Interrupted {self.interrupted_count} times")

    async def on_user_turn(self, message: str):
        logging.info(f"User said: {message}")
        await super().on_user_turn(message)

@RtcSession.factory
async def create_session(session: AgentSession):
    # Load VAD
    vad = silero.VAD.load(
        min_speech_duration=0.15,
        min_silence_duration=0.4,
        activation_threshold=0.5,
    )

    # Load turn detector
    turn_detector = EOUModel.load()

    # Log events
    @session.on("user_speech_started")
    def on_user_start():
        logging.info("User speaking...")

    @session.on("user_speech_ended")
    def on_user_end(transcript: str):
        logging.info(f"User: {transcript}")

    @session.on("agent_speech_started")
    def on_agent_start():
        logging.info("Agent responding...")

    await session.start(
        agent=ConversationalAgent(),
        stt="deepgram/nova-3",
        llm="openai/gpt-4o-mini",
        tts="cartesia/sonic",
        vad=vad,
        turn_detection=turn_detector,
        noise_cancellation=noise_cancellation.BVC(),

        # Endpointing
        min_endpointing_delay=0.5,
        max_endpointing_delay=2.0,

        # Interruptions
        allow_interruptions=True,
        interrupt_min_words=3,
        resume_on_false_interrupt=True,
    )

if __name__ == "__main__":
    AgentServer(create_session).run()

Best Practices

  1. Use ML turn detector: More natural than VAD alone
  2. Keep VAD for interruptions: Always include VAD
  3. Tune for use case: Fast vs natural tradeoff
  4. Handle false interrupts: Resume speech when appropriate
  5. Log metrics: Debug conversation flow

Deliverables

For: $ARGUMENTS

Provide:

  1. Turn detection mode selection
  2. VAD configuration
  3. Endpointing settings
  4. Interruption handling
  5. Event handlers
  6. Optimization recommendations

Du fichier au premier essai

Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.

Consulter la source et ses fichiers annexes

Ce téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.

1. Télécharger le fichier

Télécharger SKILL.md

Depuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/livekit-turn-detection-mrzxupvi/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.

Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.

mkdir -p '.skill-downloads/livekit-turn-detection-mrzxupvi' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/livekit-turn-detection-mrzxupvi/download' --output '.skill-downloads/livekit-turn-detection-mrzxupvi/SKILL.md.part' && mv '.skill-downloads/livekit-turn-detection-mrzxupvi/SKILL.md.part' '.skill-downloads/livekit-turn-detection-mrzxupvi/SKILL.md'

2. Vérifier les prérequis

Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.

Outils déclarés par l’auteur (à vérifier dans votre agent) : Read, Write, Bash(pip install, npm install), Glob, Grep, WebSearch

Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.

Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.

3. Charger la skill

Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.

Claude Code
test -f '.skill-downloads/livekit-turn-detection-mrzxupvi/SKILL.md' && test -s '.skill-downloads/livekit-turn-detection-mrzxupvi/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/livekit-turn-detection' && cp -R '.skill-downloads/livekit-turn-detection-mrzxupvi' '.claude/skills/livekit-turn-detection'

Cursor
test -f '.skill-downloads/livekit-turn-detection-mrzxupvi/SKILL.md' && test -s '.skill-downloads/livekit-turn-detection-mrzxupvi/SKILL.md' && mkdir -p '.cursor/skills' && test ! -e '.cursor/skills/livekit-turn-detection' && cp -R '.skill-downloads/livekit-turn-detection-mrzxupvi' '.cursor/skills/livekit-turn-detection'

OpenSkills

OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.

Installation officielle d’OpenSkills
openskills install './.skill-downloads/livekit-turn-detection-mrzxupvi'

openskills read 'livekit-turn-detection-mrzxupvi'

La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.

Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.

openskills sync

Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.

4. Faire un premier essai

Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :

Lis .skill-downloads/livekit-turn-detection-mrzxupvi/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.

Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.

Skills similaires