Kit open source de reconocimiento de voz para ASR offline y en streaming, con VAD, puntuación, etiquetas de hablante y servicio compatible con OpenAI.
20,8 mil2,1 milPythonMITActualizado anteayer
pyannote/pyannote-audio
Kit de herramientas open source para Python, basado en PyTorch, con pipelines preentrenados para identificar quién habló y cuándo en una grabación de audio.
- Estrellas
- 10,671
- Forks
- 1,123
- Issues abiertos
- 48
- Último commit
- hace 12 horas
¿Qué es?
pyannote.audio es un kit de herramientas para Python dedicado a la diarización de hablantes: la tarea de segmentar una grabación de audio por hablante para saber quién habló y cuándo. Está basado en PyTorch e incluye pipelines y modelos preentrenados que se pueden ejecutar localmente o ajustar con tus propios datos.
El kit de herramientas cubre los componentes básicos de la diarización, como la detección de actividad de voz, de cambios de hablante y de habla solapada, además de la extracción de embeddings de hablante. El pipeline open source actual, community-1, se carga desde Hugging Face con una breve llamada de Python y devuelve los turnos de habla con sus marcas de tiempo. El pipeline premium, precision-2, se ejecuta en los servidores de pyannoteAI mediante una clave de API, y se puede desactivar la telemetría opcional con una variable de entorno.
El entrenamiento admite ejecuciones con varias GPU mediante pytorch-lightning. El proyecto también incluye tutoriales sobre cómo aplicar, adaptar y entrenar pipelines y modelos.
Funciones clave
- 01Pipelines preentrenados de diarización de hablantes que se pueden cargar desde Hugging Face
- 02Modelos para detectar actividad de voz, cambios de hablante y habla solapada
- 03Extracción de embeddings de hablante para verificación y reconocimiento
- 04Ajuste con tus propios datos y entrenamiento con varias GPU mediante pytorch-lightning
- 05Pipeline premium opcional alojado y disponible mediante la API de pyannoteAI
Casos de uso
- Transcribir reuniones o entrevistas con etiquetas de hablante
- Analizar grabaciones de centros de llamadas o podcasts por hablante
- Investigar o comparar modelos de diarización de hablantes
- Adaptar un modelo de diarización a un idioma o dominio específico
Inicio rápido
- 1
Asegúrate de tener ffmpeg instalado en tu equipo
- 2
Instala la biblioteca con uv (recomendado)
uv add pyannote.audio - 3
Acepta las condiciones de uso de pyannote/speaker-diarization-community-1 en Hugging Face y crea un token de acceso
- 4
Carga el pipeline community-1 y ejecútalo en un archivo de audio
Antes de usarlo
- El pipeline de código abierto community-1 requiere aceptar las condiciones del modelo y tener un token de acceso de Hugging Face.
- El pipeline se ejecuta más rápido en una GPU; los benchmarks del README usan una NVIDIA H100.
- El servicio premium precision-2 requiere una clave de API de pyannoteAI y, si se usa como servicio alojado, se ejecuta en los servidores de pyannoteAI.
Temas
Preguntas frecuentes
- ¿Qué es pyannote-audio?
- Kit de herramientas open source para Python, basado en PyTorch, con pipelines preentrenados para identificar quién habló y cuándo en una grabación de audio. pyannote.audio es un kit de herramientas para Python dedicado a la diarización de hablantes: la tarea de segmentar una grabación de audio por hablante para saber quién habló y cuándo. Está basado en PyTorch e incluye pipelines y modelos preentrenados que se pueden ejecutar localmente o ajustar con tus propios datos.
- ¿pyannote-audio es gratuito? ¿Qué licencia tiene?
- pyannote-audio es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿pyannote-audio sigue mantenido?
- Mantenimiento activo. El último commit de pyannote-audio fue el 20 oct 2026.
- ¿Para qué puedo usar pyannote-audio?
- Transcribir reuniones o entrevistas con etiquetas de hablante Analizar grabaciones de centros de llamadas o podcasts por hablante Investigar o comparar modelos de diarización de hablantes Adaptar un modelo de diarización a un idioma o dominio específico
- ¿Cómo se instala pyannote-audio?
- Asegúrate de tener ffmpeg instalado en tu equipo Instala la biblioteca con uv (recomendado): uv add pyannote.audio Acepta las condiciones de uso de pyannote/speaker-diarization-community-1 en Hugging Face y crea un token de acceso Carga el pipeline community-1 y ejecútalo en un archivo de audio
- ¿Dónde consigo pyannote-audio?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/pyannote/pyannote-audio
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Framework para definir modelos de aprendizaje automático de última generación de texto, visión, audio y modalidades múltiples, para inferencia y entrenamiento.
167,9 mil34,9 milPythonApache-2.0Actualizado hace 7 horas
CLI oficial (hf) y cliente de Python para descargar, subir y gestionar repositorios en Hugging Face Hub.
4 mil1,3 milPythonApache-2.0Actualizado ayer
Implementaciones en PyTorch de algoritmos de aprendizaje por refuerzo, diseñadas como una base fiable y coherente para la investigación y las aplicaciones.
13,9 mil2,2 milPythonMITActualizado hace 7 días
Motor open source de modelos de difusión para generar imágenes, video y audio, con inferencia y entrenamiento en equipos con poca VRAM.
13,3 mil1,3 milPythonApache-2.0Actualizado hace 8 horas
Una biblioteca de PyTorch que implementa métodos de mapas de activación de clases (CAM) para visualizar qué regiones de una imagen impulsan las predicciones de un modelo de visión artificial.
13 mil1,7 milPythonMITActualizado hace 2 meses