LiveKit Turn Detection

Definition

Turn Detection は、ユーザー発話の開始と終了、Agent の発話割り込み可否、会話ターンの切り替えを判定する仕組みである。

Why It Matters

音声エージェントの体験品質は、何を答えるかだけでなく、いつ聞き、いつ話し、いつ止まるかで大きく決まる。Turn Detection を理解しないと、応答遅延や割り込み挙動の調整ができない。

Current Understanding

Turn Detection は VAD, interruption handling, session event, audio pipeline と密接に結びつく。単なる STT 前処理ではなく、会話制御のポリシー層に近い。

LiveKit では Turn Detection and Interruptions, Adaptive Interruption Handling, Silero VAD plugin, TurnHandlingOptions などがこの概念を支える。VAD は音声区間検出の土台だが、turn detection はそれより広く、いつ会話ターンを確定するかという対話設計に関わる。

Connections

• LiveKit Agent Session
• LiveKit STT and TTS
• LiveKit Pipeline
• LiveKit で turn detection と VAD はどう違うか
• Turn Detection and Interruptions
• LiveKit Turn Detector Plugin
• Adaptive Interruption Handling
• Silero VAD plugin

New Insights

• VAD は検出部品、turn detection は会話制御ポリシーとして切り分けると理解しやすい
• interruption handling は turn detection の一部ではなく、密接に連動する隣接責務として見ると整理しやすい

Open Questions

• Realtime model 利用時に turn detection の責務はどこまで model 側へ寄るか
• サンプルコードでは turn 設定がどのレイヤに置かれるか