标签:

• pyannote
• pyannote音频
• pyannote音频处理流程
• 音频
• 语音
• 说话人
• 语音活动检测
• 自动语音识别 数据集:
• AMI会议数据集
• DIHARD挑战赛数据集
• VoxConverse数据集 许可证: MIT协议 额外授权提示: "收集的信息将有助于更好地了解pyannote.audio用户群体，并协助维护者申请资金以进一步改进。若您是学术研究者，请在您发表的论文中引用相关文献。若您代表企业使用，请考虑回馈pyannote.audio开发（例如通过无条件捐赠）。我们同时提供说话人日志和机器听觉领域的科学咨询服务。" 额外授权字段: 公司/大学: 文本 网址: 文本 计划使用场景(任务类型/音频数据类型等): 文本

在生产环境中使用此开源模型？
建议转向pyannoteAI获取更优更快的解决方案。

🎹 语音活动检测

基于pyannote.audio 2.1版本：查看安装指南

# 1. 访问hf.co/pyannote/segmentation并接受用户条款
# 2. 访问hf.co/settings/tokens创建访问令牌
# 3. 实例化预训练的语音活动检测流程

from pyannote.audio import Pipeline
pipeline = Pipeline.from_pretrained("pyannote/voice-activity-detection",
                                    use_auth_token="此处填入访问令牌")
output = pipeline("audio.wav")

for speech in output.get_timeline().support():
    # speech.start至speech.end区间为有效语音段
    ...

文献引用

@inproceedings{Bredin2021,
  标题 = {{重叠感知重分割的端到端说话人分割技术}},
  作者 = {{Bredin}, Herv{\'e}和{Laurent}, Antoine},
  会议 = {Interspeech 2021会议论文集},
  地址 = {捷克布尔诺},
  月份 = {8月},
  年份 = {2021},
}

@inproceedings{Bredin2020,
  标题 = {{pyannote.audio：说话人日志的神经网络构建模块}},
  作者 = {{Bredin}, Herv{\'e}和{Yin}, Ruiqing等},
  会议 = {IEEE声学、语音与信号处理国际会议(ICASSP 2020)},
  地址 = {西班牙巴塞罗那},
  月份 = {5月},
  年份 = {2020},
}