标签:

• pyannote
• pyannote音频
• pyannote音频处理流程
• 音频
• 语音
• 说话人
• 说话人分割
• 说话人日志
• 说话人变化检测
• 语音活动检测
• 重叠语音检测
• 自动语音识别

数据集:

• ami
• dihard
• voxconverse

许可证: mit

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，并帮助其维护者申请资助以进一步改进。如果您是学术研究人员，请在您自己的出版物中引用相关论文。如果您为公司工作，请考虑回馈pyannote.audio的开发（例如通过无限制的捐赠）。我们还提供围绕说话人日志和机器听觉的科学咨询服务。"

额外授权字段: 公司/大学: 文本 网站: 文本 我计划将此模型用于（任务、音频数据类型等）: 文本

在生产中使用这个开源模型？
考虑切换到pyannoteAI以获得更好更快的选择。

🎹 说话人分割

依赖于pyannote.audio 2.1版本：查看安装说明。

# 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. 实例化预训练的说话人分割流程
from pyannote.audio import Pipeline
pipeline = Pipeline.from_pretrained("pyannote/speaker-segmentation")
output = pipeline("audio.wav")

for turn, _, speaker in output.itertracks(yield_label=True):
    # 说话人在turn.start和turn.end之间发言
    ...

⚠️ 此流程不处理说话人日志。

支持

商业咨询和科学合作，请联系我。
技术问题和错误报告，请查看pyannote.audio的GitHub仓库。

引用

@inproceedings{Bredin2021,
  标题 = {{端到端说话人分割用于重叠感知的重新分割}},
  作者 = {{Bredin}, Herv{\'e} 和 {Laurent}, Antoine},
  会议 = {Proc. Interspeech 2021},
  地址 = {Brno, Czech Republic},
  月份 = {八月},
  年份 = {2021},

@inproceedings{Bredin2020,
  标题 = {{pyannote.audio: 说话人日志的神经构建块}},
  作者 = {{Bredin}, Herv{\'e} 和 {Yin}, Ruiqing 和 {Coria}, Juan Manuel 和 {Gelly}, Gregory 和 {Korshunov}, Pavel 和 {Lavechin}, Marvin 和 {Fustes}, Diego 和 {Titeux}, Hadrien 和 {Bouaziz}, Wassim 和 {Gill}, Marie-Philippe},
  会议 = {ICASSP 2020, IEEE国际声学、语音和信号处理会议},
  地址 = {Barcelona, Spain},
  月份 = {五月},
  年份 = {2020},
}