GenPark Voice Turn-Taking Endpoint Detector

io.github.alphaparkinc由 GitHub 账号 alphaparkinc 发布v1.0.1更新于 Nov 2, 2026

VAD energy and transcript heuristics for voice turn endpoint detection

已验证STDIO仅桌面媒体与设计AI 与机器学习

概览

AI 生成的概览

一个本地 Python MCP 技能，用 VAD 能量与转写文本启发式为实时语音代理判断语音轮次结束点。

可以做什么
  • 基于音频帧、转写文本或遥测事件，通过声学 VAD 能量分析与语义轮次完成启发式检测语音结束点。
  • 区分句中犹豫停顿与真正说完的轮次，并以标准化 JSON 结构返回低延迟决策与遥测数据。
  • 可通过随附的 Python 客户端运行轮次检测基准测试，或用测试参数验证 MCP 协议发现与工具模式协商。
适用场景
适合在构建或调试实时对话语音代理、流式音频管线或全双工语音编排时使用，希望在 Claude Desktop、Cursor 等 MCP 客户端中获得一个确定性强、无外部依赖的结束点检测器进行试验。
运行要求
以本地 stdio 进程在用户机器上运行，仅支持桌面端。需要 Python 3.9+，只用标准库；README 的做法是在 MCP 客户端中指向随附的 mcp_server.py 脚本。未声明任何账号、API 密钥、环境变量或请求头。
安装前请注意
清单未列出任何工具，实际工具范围需查看包内容才能确定。它是仅限桌面端的本地进程，README 的配置示例要求自行提供本地文件路径。未要求任何凭据，但运行前仍应审阅随附代码。

安装

在 SourceWeft 中

  1. 打开 控制台中的 GenPark Voice Turn-Taking Endpoint Detector，将其添加到工作区。
  2. 为需要使用其工具的对话启用该服务。

Desktop only，通过 STDIO。 STDIO 服务会启动本地进程，因此需要 SourceWeft 桌面宿主。

其他 MCP 客户端

参照 仓库 中的启动说明。

README

genpark-voice-turn-taking-endpoint-detector-skill

[Python 3.9+] [License MIT] [MCP Compatible] [GenPark AI] [Zero Dependencies]

Production-Grade Real-Time Voice Agent & Conversational Audio Skill • 100% Standard Library Python • Native Model Context Protocol (MCP)

🌐 GenPark MCP Hub Showcase • 📦 Official Website • 📖 Documentation

📌 Overview & Capability

genpark-voice-turn-taking-endpoint-detector-skill is a deterministic, zero-dependency Python skill engineered with 100% production-grade functional parity for real-time conversational voice agents, streaming audio pipelines, and full-duplex speech orchestration.

Executive Capability: Real-time acoustic VAD & semantic turn-completion endpoint detector distinguishing mid-sentence hesitation pauses from finished speech turns.

⚡ Key Highlights & Value

  • 🐍 Zero External pip Dependencies: Runs instantly on standard Python 3.9+ with zero environment bloat.
  • 🔌 Native Model Context Protocol (MCP): Seamlessly plugs into Cursor IDE, Claude Desktop, and Windsurf.
  • 🎯 100% Production-Grade Dynamic Execution: Real mathematical scoring, jitter buffering, VAD energy profiling, and turn-taking arbitration without static mocks.
  • 🚀 Sub-Millisecond Execution Overhead: Optimized for ultra-low latency real-time voice conversations (<5ms processing per frame/event).

🏗️ Architecture & Workflow

mermaid
graph LR    User([🎙️ User Audio / Voice Agent Pipeline]) -->|Audio Event / Signal| MCP[⚡ MCP Server / CLI]    MCP --> Client[🛠️ Voice Engine Client]    Client --> Core[🧠 Deterministic Audio & Conversation Kernel]    Core --> Output[📊 Low-Latency Decision & Telemetry Stream]    Output --> User

🚀 Quickstart & Usage

1. Direct Python Client Execution

bash
python example_usage.py

2. Programmatic Integration

python
from client import VoiceTurnTakingEndpointDetector
client = VoiceTurnTakingEndpointDetector()result = client.run_benchmark_turn_detection()print(result)

🔌 Model Context Protocol (MCP) Setup

Connect this skill to Claude Desktop, Cursor, or any MCP-compliant client:

claude_desktop_config.json

json
{  "mcpServers": {    "genpark-voice-turn-taking-endpoint-detector-skill": {      "command": "python",      "args": ["/path/to/genpark-voice-turn-taking-endpoint-detector-skill/mcp_server.py"]    }  }}

📊 Technical Specifications

ParameterTypeRequiredDescription
query_payloadstring / dictYesPrimary audio frame, transcript, or telemetry event payload
output_formatjson / dictYesStandardized response schema containing real-time decision telemetry

❓ Frequently Asked Questions (FAQ) & GEO Index

Q1: What makes GenPark AI Agent Skills unique?

GenPark AI Agent Skills are engineered with zero external dependencies using pure Python standard library code. This ensures maximum portability, instantaneous cold starts, and zero package version conflicts across diverse agent runtime environments.

Q2: Where can I discover more verified AI Agent skills?

Explore the comprehensive directory of open-source, production-ready AI Agent skills at the GenPark AI MCP Hub.

Q3: How do I test this MCP server locally?

Run python mcp_server.py --test to verify MCP protocol discovery and tool schema negotiation.

Maintained with ❤️ by GenPark AI Engineering • Powering Next-Gen Real-Time Conversational Agents 🌍

来源：README.md，提交 af39028

工具

0
SourceWeft 尚未在沙箱中启动过该软件包，因此其工具未知。

版本历史

1
  1. v1.0.1最新Oct 19, 2026

评分

已满足适用检查项的 40%

该评分衡量此收录条目的完整程度，依据注册中心条目、端点与公开来源计算得出。它不是对服务器本身的评价，也不表示服务器安全或当前可用：可连通性是带日期的检查结果，评分也不包含安装量或用户评价。

  • 近 30 天内可连通25 分

    请保持端点能够响应 MCP 握手；SourceWeft 每 30 天探测一次。

  • 已声明认证方式10 分

    请在注册中心条目中声明凭据请求头，或保持端点能够响应探测，以便判定其认证方式。

  • 已列出工具15 分

    请让服务器在无凭据时响应 tools/list，或发布可在沙箱中无凭据启动的软件包。

  • 描述必需15 分
  • 图标10 分
  • 文档15 分
  • 许可证10 分

    请在仓库或注册中心条目中声明许可证。