MicroCF 发布：理解对话中的接话与让话时机

对话，不只是轮流输出答案

一个好用的语音智能体，需要在合适的时刻回应，也需要在人开始接话时及时让出话轮。我们发布 MicroCF，围绕 Conversation Flow，也就是对话的流动，处理其中两个具体问题：轮次结束检测（EOT）与打断检测（INT）。

MicroCF 是我们在 Interaction Model 方向上的一次发布。目前可以阅读完整的项目介绍，以及 TurnBench 公开模型页面。该评测条目于 2026 年 9 月 13 日由 SPX-AI（Simplex AI）提交。

既看现在有没有声音，也看对话是否还会继续

语音活动检测 VAD 描述当前是否存在语音。但一句话中的停顿，并不一定意味着说话者已经表达完毕。语音活动预测 则依据已经观察到的音频，估计接下来的说话活动。

MicroCF 结合这两类信号，判断话轮是否结束，以及另一位参与者是否正在接过话轮。EOT 与 INT 使用各自的时序状态和评测配置。事件在满足确认条件时发出，而不会被提前记到停顿刚开始的时刻。

TurnBench 公开测试集成绩

截至 2026 年 9 月 21 日，MicroCF 在 TurnBench 模型页面展示的结果为：

任务	召回率	误触发率	检测延迟中位数	按召回率排名
轮次结束检测	90.6%	7.9%	678 ms	第 3 / 20
打断检测	98.4%	7.3%	747 ms	第 1 / 18

这组数字来自页面中的 Test Performance，即独立测试集结果。榜单按召回率排序；排名本身不能概括误触发和延迟表现。后续有新提交时，排名也可能变化。

图片来源：TurnBench — SPX-AI MicroCF，截图于 2026 年 9 月 21 日。此面板展示测试集表现。

开发集结果，单独呈现

项目页记录了 38 段开发集对话，约 7.31 小时音频上的结果：EOT 召回率 90.13%、误触发率 10.16%、延迟中位数 681.5 ms；INT 召回率 98.56%、误触发率 7.05%、延迟中位数 771 ms。下面的 TurnBench 图表展示了经过取整的开发集数值。

TurnBench 开发集 EOT 面板，截图于 2026 年 9 月 21 日。这是开发集结果，与上面的测试集表格分开解读。

TurnBench 开发集 INT 面板，截图于 2026 年 9 月 21 日。延迟分布用于补充理解中位数。

开发集参与了评测配置选择。此前已查看过的内部验证子集，也不作为完全未接触的保留集来表述。项目页的开发集延迟以决策所需的音频时间边界计算，不包含推理和传输开销，不能直接等同于应用的完整响应时间。

让交互时机成为可构建的能力

MicroCF 聚焦于对话时机。它不替代语音识别、语音生成，也不负责决定具体说什么，而是为交互补上一个明确环节：什么时候开始回应，什么时候让对方继续说。

项目中也介绍了 MacroCF，作为面向上下文感知 Conversation Flow 的后续研究方向。它与本次已经评测的 MicroCF 及其成绩分开呈现。

欢迎阅读 MicroCF 项目页了解策略与评测细节，或打开 TurnBench 模型页查看最新公开成绩和逐段对话的开发集分析。