01 - VAD 语音活动检测技术实现（小白版）

🎯本系列文档基于 convoai_v1_soseos.tmpl.json 图模板，用大白话 + Mermaid 图 + 表格，解释 Agora Conversational AI Agent 的 VAD 和轮次检测技术实现。

文档目录

# 文档 讲什么 链接
1 VAD 语音活动检测 用户什么时候开始/停止说话？声学 vs 语义、BVC、AIVAD 01 - VAD 语音活动检测技术实现（小白版）
2 轮次检测 VAD 和 ASR 怎么对齐？什么时候通知 LLM 回复？ 02 - 轮次检测技术实现（小白版）

整体架构一图流

flowchart TB User["👤 用户"] --> RTC["RTC 实时通道"] RTC --> A3A["3A 音频处理"] A3A --> VAD["vad<br/>VAD 检测 SOS/EOS"] VAD --> PF["asr_prefilter<br/>音频过滤"] PF --> ASR["asr<br/>语音转文字"] VAD --> TD["main/turn_detector<br/>轮次协调"] PF --> TD ASR --> PF TD --> CTX["context"] --> LLM["llm"] --> TTS["tts"] --> RTC style VAD fill:#4A90D9,color:#fff style TD fill:#E67E22,color:#fff style LLM fill:#27AE60,color:#fff

核心概念速查

术语 英文 一句话
VAD Voice Activity Detection 检测用户是否在说话
SOS Start of Speech 用户开始说话的信号
EOS End of Speech 用户说完/停顿的信号
ASR Automatic Speech Recognition 把语音变成文字
BVC Background Voice Cancellation 消除旁人说话，只留主说话人
轮次 Turn 用户说一句话 → Agent 回复，算一轮
打断 Interrupt Agent 说话时用户插嘴

📎 图模板源码：templates_v2/convoai_v1_soseos.tmpl.json
📎 默认配置：defaults.json → parameters.sos_eos / parameters.turn_detector