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
• dihard
• voxconverse

许可证: mit

额外授权提示: "所收集的信息将有助于更深入了解pyannote.audio用户群体，并帮助其维护者申请资金以进一步改进。如果您是学术研究人员，请在您使用该模型的出版物中引用相关论文。如果您供职于公司，请考虑回馈pyannote.audio的开发（例如通过无条件捐赠）。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

在生产环境中使用此开源模型？
考虑切换到pyannoteAI获取更优更快的方案。

🎹 语音活动检测

基于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. 实例化预训练的语音活动检测流程

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

for speech in output.get_timeline().support():
    # speech.start和speech.end之间的活动语音段
    ...

引用文献

@inproceedings{Bredin2021,
  标题 = {{端到端说话人分割用于重叠感知的再分割}},
  作者 = {{Bredin}, Herv{\'e} 和 {Laurent}, Antoine},
  会议录 = {Proc. Interspeech 2021},
  地址 = {捷克共和国布尔诺},
  月份 = {八月},
  年份 = {2021},
}

@inproceedings{Bredin2020,
  标题 = {{pyannote.audio: 说话人日志的神经构建模块}},
  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},
  会议录 = {ICASSP 2020, IEEE国际声学、语音与信号处理会议},
  地址 = {西班牙巴塞罗那},
  月份 = {五月},
  年份 = {2020},
}