speaker diarization 3.1

提供商pyannote
分类automatic-speech-recognition
许可证mit
下载量23.2K
星标11

简介

Speaker Diarization 3.1 是由 pyannote 团队推出的专业级“说话人日志”模型，简单来说就是解决“谁在什么时候说了什么”的问题。它不同于传统的语音转文字（ASR），而是专注于音频中的身份切分。对于需要处理多人会议记录、访谈转录的开发者来说，它是极佳的预处理工具，可以与 Whisper 等 ASR 模型配合使用，将原本混在一起的文字流精准地标注出不同发言人。该模型采用 MIT 协议，上手难度中等，适合集成到自动化办公或智能录音分析工作流中。

核心亮点

  • 精准识别多人对话中的发言人切换时点
  • 完美适配 Whisper 等 ASR 实现带角色转录
  • MIT 开源协议，企业级集成成本低
  • 适用于会议纪要、访谈分析等复杂音频场景

使用方法

安装依赖
# 安装 Hugging Face transformers
pip install transformers torch
SDK 使用
# 使用 transformers 加载模型
from transformers import AutoModel, AutoTokenizer

model = AutoModel.from_pretrained("pyannote/speaker-diarization-3.1")
tokenizer = AutoTokenizer.from_pretrained("pyannote/speaker-diarization-3.1")

Hugging Face 下载

我们推荐使用命令行或者 Hugging Face Hub SDK 来进行模型的下载。

操作指引：在下载前，请先通过如下命令安装 huggingface_hub：

操作指引 
pip install -U huggingface_hub

命令行下载

下载完整模型库

下载完整模型库 
huggingface-cli download pyannote/speaker-diarization-3.1

下载单个文件到指定本地文件夹（以下载 config.json 到当前路径下 ./dir 目录为例）

下载单个文件到指定本地文件夹（以下载 config.json 到当前路径下 ./dir 目录为例） 
huggingface-cli download pyannote/speaker-diarization-3.1 config.json --local-dir ./dir

更多命令行下载选项，可参见官方文档

SDK 下载

SDK 下载 
# 模型下载
from huggingface_hub import snapshot_download
model_dir = snapshot_download('pyannote/speaker-diarization-3.1')

Git 下载

请确保 lfs 已经被正确安装

Git 下载 
git lfs install
git clone https://huggingface.co/pyannote/speaker-diarization-3.1

如果您希望跳过 lfs 大文件下载，可以使用如下命令

跳过 LFS 
GIT_LFS_SKIP_SMUDGE=1 git clone https://huggingface.co/pyannote/speaker-diarization-3.1

模型文件托管在 Hugging Face Hub，使用 HF CLI / SDK / Git 直接下载，不经过本站。

PyTorch / Transformers 使用

安装 Transformers

安装 Transformers 
pip install -U transformers torch

模型加载和推理

模型加载和推理 
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained('pyannote/speaker-diarization-3.1')
tokenizer = AutoTokenizer.from_pretrained('pyannote/speaker-diarization-3.1')

模型下载

我们推荐使用命令行或者 ModelScope SDK 来进行模型的下载。

操作指引：在下载前，请先通过如下命令安装 ModelScope：

操作指引 
pip install modelscope

命令行下载

下载完整模型库

下载完整模型库 
modelscope download --model pyannote/speaker-diarization-3.1

下载单个文件到指定本地文件夹（以下载 README.md 到当前路径下 dir 目录为例）

下载单个文件到指定本地文件夹（以下载 README.md 到当前路径下 dir 目录为例） 
modelscope download --model pyannote/speaker-diarization-3.1 README.md --local_dir ./dir

更多更丰富的命令行下载选项，可参见具体文档

SDK 下载

SDK 下载 
# 模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('pyannote/speaker-diarization-3.1')

Git 下载

请确保 lfs 已经被正确安装

Git 下载 
git lfs install
git clone https://www.modelscope.cn/pyannote/speaker-diarization-3.1.git

如果您希望跳过 lfs 大文件下载，可以使用如下命令

跳过 LFS 
GIT_LFS_SKIP_SMUDGE=1 git clone https://www.modelscope.cn/pyannote/speaker-diarization-3.1.git

ModelScope 模型页直接下载模型文件；无需将模型文件放在本站服务器。

Notebook 快速开发

下载并安装 ModelScope library

下载并安装 ModelScope library 
pip install "modelscope[audio,cv,nlp,multi-modal,science]" -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html

模型加载和推理

模型加载和推理 
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

p = pipeline('text-generation', 'pyannote/speaker-diarization-3.1')
查看官方来源