Repolode
投稿する
pyannote

pyannote/pyannote-audio

PyTorchベースのオープンソースPythonツールキット。音声で誰がいつ話したかを特定する、学習済みパイプラインを備えた話者ダイアライゼーション向け。

GitHub で見る公式サイト
スター
10,671
フォーク
1,123
未解決の Issue
48
最終コミット
14 時間前

これは何？

pyannote.audioは、音声録音を話者ごとに区切り、誰がいつ話したかを特定する話者ダイアライゼーション向けのPythonツールキットです。PyTorchをベースとしており、ローカルで実行したり、独自データでファインチューニングしたりできる学習済みパイプラインとモデルを提供します。

音声活動検出、話者交代検出、重複発話検出、話者埋め込みなど、ダイアライゼーションを構成する機能を備えています。現在のオープンソースパイプラインcommunity-1は、短いPythonコードでHugging Faceから読み込め、話者の発話区間を時刻付きで返します。プレミアムパイプラインprecision-2は、APIキーを使ってpyannoteAIのサーバー上で実行できます。また、環境変数で任意のテレメトリー設定を無効にできます。

pytorch-lightningを通じたマルチGPU学習に対応しています。パイプラインやモデルの適用、調整、学習方法を解説するチュートリアルも含まれています。

主な機能

  • 01Hugging Faceから読み込める、学習済みの話者ダイアライゼーションパイプライン
  • 02音声活動、話者交代、重複発話の検出モデル
  • 03照合や認識に使う話者埋め込みの抽出
  • 04独自データでのファインチューニングと、pytorch-lightningによるマルチGPU学習
  • 05pyannoteAI APIを通じて利用できる、任意のホスト型プレミアムパイプライン

ユースケース

  • 会議やインタビューの文字起こしに話者ラベルを付ける
  • コールセンターやポッドキャストの録音を話者ごとに分析する
  • 話者ダイアライゼーションモデルの研究やベンチマークを行う
  • 特定の言語や分野に合わせてダイアライゼーションモデルを調整する

クイックスタート

  1. 1

    お使いのマシンにffmpegがインストールされていることを確認します

  2. 2

    uvでライブラリをインストールします（推奨）

    uv add pyannote.audio
  3. 3

    Hugging Faceでpyannote/speaker-diarization-community-1の利用条件に同意し、アクセストークンを作成します

  4. 4

    community-1パイプラインを読み込み、音声ファイルに対して実行します

使う前に知っておきたいこと

  • オープンソースのcommunity-1パイプラインを使用するには、モデルの利用条件への同意とHugging Faceのアクセストークンが必要です。
  • パイプラインはGPUで実行すると高速です。READMEのベンチマークではNVIDIA H100を使用しています。
  • プレミアムのprecision-2サービスにはpyannoteAI APIキーが必要です。ホスト版ではpyannoteAIのサーバー上で実行されます。

トピック

#speaker-diarization#speech-processing#pytorch#voice-activity-detection#speaker-recognition#pretrained-models#overlapped-speech-detection#speaker-change-detection#speaker-embedding#speaker-verification

よくある質問

pyannote-audio とは？
PyTorchベースのオープンソースPythonツールキット。音声で誰がいつ話したかを特定する、学習済みパイプラインを備えた話者ダイアライゼーション向け。 pyannote.audioは、音声録音を話者ごとに区切り、誰がいつ話したかを特定する話者ダイアライゼーション向けのPythonツールキットです。PyTorchをベースとしており、ローカルで実行したり、独自データでファインチューニングしたりできる学習済みパイプラインとモデルを提供します。
pyannote-audio は無料で使えますか？ライセンスは？
pyannote-audio は MIT ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
pyannote-audio は今もメンテナンスされていますか？
活発にメンテナンス中。pyannote-audio の最終コミットは 2026年10月20日 です。
pyannote-audio は何に使えますか？
会議やインタビューの文字起こしに話者ラベルを付ける コールセンターやポッドキャストの録音を話者ごとに分析する 話者ダイアライゼーションモデルの研究やベンチマークを行う 特定の言語や分野に合わせてダイアライゼーションモデルを調整する
pyannote-audio のインストール方法は？
お使いのマシンにffmpegがインストールされていることを確認します uvでライブラリをインストールします（推奨）: uv add pyannote.audio Hugging Faceでpyannote/speaker-diarization-community-1の利用条件に同意し、アクセストークンを作成します community-1パイプラインを読み込み、音声ファイルに対して実行します
pyannote-audio はどこで入手できますか？
ソースコードとインストール手順は GitHub にあります：https://github.com/pyannote/pyannote-audio

概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。

関連プロジェクト