# Gerçek Zamanlı ASR’de VAD, Segment Süresi ve Endpointing Dengesi

> Konuşma etkinliği algılama, minimum konuşma süresi, sessizlik aralığı ve segment üst sınırının gerçek zamanlı ASR gecikmesi ile inference verimliliğini nasıl birlikte belirlediği.

- Author: Muhammet Ali Köker
- Language: tr
- Canonical: https://alikoker.com.tr/gercek-zamanli-asr-vad-segment-endpointing-dengesi
- Translation: https://alikoker.com.tr/en/vad-segmentation-endpointing-tradeoffs-in-real-time-asr
- Published: 2026-09-02T18:34:00+03:00
- Modified: 2026-09-02T18:34:00+03:00
- Verified: 2026-09-02T18:34:00+03:00
- Type: article

Gerçek zamanlı konuşma tanımada modelin RTF değeri tek başına kullanıcı gecikmesini açıklamaz. Sesin modele ne zaman gönderildiği, yani segmentasyon ve endpointing politikası çoğu zaman en az model hızı kadar belirleyicidir.

Bir segmentin yaşam döngüsü kabaca şöyledir:

```text
ses başlar
→ VAD konuşmayı doğrular
→ segment büyür
→ yeterli sessizlik oluşur veya üst sınır dolur
→ inference başlar
→ sonuç yayımlanır
```

Bu zincirde her eşik başka bir maliyeti değiştirir.

## Kısa segment her zaman daha hızlı değildir

Segmentleri çok kısa tutmak endpoint latency'yi azaltabilir; fakat her inference çağrısının sabit hazırlık maliyeti vardır. Model initialization paylaşılmış olsa bile feature hazırlama, tensor oluşturma, kernel launch, decoder başlangıcı ve sonuç işleme gibi maliyetler segment sayısı arttıkça daha sık ödenir.

Aşırı kısa segment ayrıca cümlenin dilsel bağlamını parçalayabilir. Bu nedenle “en düşük segment süresi” ile “en düşük toplam gecikme” aynı hedef değildir.

## Uzun segmentin maliyeti

Segmenti büyütmek sabit inference maliyetini daha fazla ses üzerine yayar. Buna karşılık kullanıcının söylediği bölüm, segment kapanana kadar işlenmez. Özellikle uzun ve kesintisiz konuşmada yalnız sessizliğe güvenmek kabul edilemez bir gecikme oluşturabilir. Bu nedenle hedef segment süresinin yanında bir hard cap bulunması yararlıdır.

Hard cap bir hata değil, latency sözleşmesidir: konuşma kesilmese bile sistem belirli noktada segmenti kapatıp işleme verir.

## VAD iki farklı hata üretir

VAD false negative üretirse gerçek konuşma kaçırılır veya segment geç başlar. False positive üretirse gürültü konuşma kabul edilir ve gereksiz segment/inference oluşur. Eşik yalnız doğruluk parametresi değildir; doğrudan kapasite parametresidir.

Aynı nedenle sessizlik aralığı da dikkatle seçilmelidir. Çok kısa gap doğal hece veya kelime aralarını endpoint sanabilir. Çok uzun gap ise her utterance'ın sonuna sabit bekleme ekler.

## Minimum speech ve minimum model süresi

Çok kısa ses parçalarını modele göndermemek, tıklama, darbe, nefes ve kısa yanlış VAD tetiklemelerini ucuz biçimde elemek için yararlıdır. Ancak minimum speech ile modelin verimli çalıştığı minimum segment süresi aynı kavram değildir. Birincisi “bu gerçekten konuşma mı?” filtresine, ikincisi inference amortizasyonuna aittir.

## Ölçülmesi gerekenler

Tek bir WER veya ortalama RTF bu politikayı ayarlamak için yeterli değildir. En azından şu dağılımlar birlikte izlenmelidir:

- speech-start → segment-open gecikmesi,
- speech-end → segment-close gecikmesi,
- segment süresi dağılımı,
- segment/saat,
- model çağrısı/saat,
- inference p50/p95/p99,
- gerçek zaman faktörü,
- VAD false start / missed speech,
- hard-cap ile kapanan segment oranı.

Bu ölçümler, gecikme ile throughput arasındaki ödünleşimi görünür hale getirir.

## Sabit eşik yerine çalışma rejimi

Tek bir “ideal” VAD veya gap değeri yoktur. Telefon sesi, stüdyo mikrofonu, uzak alan kayıtları, gürültülü saha sesi ve çok konuşmacılı kayıtların SNR ve konuşma ritmi farklıdır. Parametrelerin veri kümesinin gerçek dağılımı üzerinde doğrulanması gerekir.

İlişkili içerikler: [Gerçek Zamanlı Konuşma Tanımada Kapasite Mühendisliği](/gercek-zamanli-konusma-tanimada-kapasite-muhendisligi), [Voice Activity Detection](/wiki/voice-activity-detection), [Endpointing](/wiki/endpointing), [Real-Time Factor](/wiki/real-time-factor), [Tail Latency](/wiki/tail-latency).

## Bu Çalışmaya Atıf

Köker, M. A. (2026). Gerçek Zamanlı ASR’de VAD, Segment Süresi ve Endpointing Dengesi. alikoker.com.tr. https://alikoker.com.tr/gercek-zamanli-asr-vad-segment-endpointing-dengesi

- BibTeX: https://alikoker.com.tr/gercek-zamanli-asr-vad-segment-endpointing-dengesi.bib
- RIS: https://alikoker.com.tr/gercek-zamanli-asr-vad-segment-endpointing-dengesi.ris
- CSL-JSON: https://alikoker.com.tr/gercek-zamanli-asr-vad-segment-endpointing-dengesi.csl.json