Toolkit open source de reconhecimento de fala para ASR offline e em streaming, com VAD, pontuação, identificação de falantes e serviço compatível com OpenAI.
20,8 mil2,1 milPythonMITAtualizado anteontem
pyannote/pyannote-audio
Kit de ferramentas Python open source para diarização de falantes, baseado em PyTorch, com pipelines pré-treinados que identificam quem falou e quando no áudio.
- Estrelas
- 10,671
- Forks
- 1,123
- Issues abertas
- 48
- Último commit
- há 15 horas
O que é?
pyannote.audio é um kit de ferramentas Python para diarização de falantes: a tarefa de segmentar uma gravação de áudio por falante para identificar quem falou e quando. Ele é baseado em PyTorch e inclui pipelines e modelos pré-treinados que podem ser executados localmente ou ajustados com seus próprios dados.
O kit reúne os componentes básicos da diarização, incluindo detecção de atividade de fala, detecção de mudança de falante, detecção de fala sobreposta e embeddings de falantes. O pipeline open source atual, community-1, é carregado do Hugging Face com uma chamada Python curta e retorna turnos de fala com marcação de tempo. Um pipeline premium, precision-2, é executado nos servidores da pyannoteAI por meio de uma chave de API, e uma opção de telemetria pode ser desativada com uma variável de ambiente.
O treinamento permite execuções com várias GPUs usando pytorch-lightning. O projeto também inclui tutoriais sobre como aplicar, adaptar e treinar pipelines e modelos.
Recursos principais
- 01Pipelines pré-treinados de diarização de falantes que podem ser carregados do Hugging Face
- 02Modelos de detecção de atividade de fala, mudança de falante e fala sobreposta
- 03Extração de embeddings de falantes para verificação e reconhecimento
- 04Ajuste fino com seus próprios dados e treinamento com várias GPUs via pytorch-lightning
- 05Pipeline premium hospedado e opcional, disponível pela API da pyannoteAI
Casos de uso
- Transcrever reuniões ou entrevistas com identificação dos falantes
- Analisar gravações de centrais de atendimento ou podcasts por falante
- Pesquisar ou avaliar o desempenho de modelos de diarização de falantes
- Adaptar um modelo de diarização a um idioma ou domínio específico
Início rápido
- 1
Verifique se o ffmpeg está instalado na sua máquina
- 2
Instale a biblioteca com uv (recomendado)
uv add pyannote.audio - 3
Aceite as condições de uso de pyannote/speaker-diarization-community-1 no Hugging Face e crie um token de acesso
- 4
Carregue o pipeline community-1 e execute-o em um arquivo de áudio
Antes de usar
- O pipeline de código aberto community-1 exige que você aceite as condições do modelo e tenha um token de acesso do Hugging Face.
- O pipeline é executado mais rapidamente em uma GPU, e os benchmarks do README usam uma NVIDIA H100.
- O serviço premium precision-2 exige uma chave de API da pyannoteAI e, no uso hospedado, é executado nos servidores da pyannoteAI.
Tópicos
Perguntas frequentes
- O que é pyannote-audio?
- Kit de ferramentas Python open source para diarização de falantes, baseado em PyTorch, com pipelines pré-treinados que identificam quem falou e quando no áudio. pyannote.audio é um kit de ferramentas Python para diarização de falantes: a tarefa de segmentar uma gravação de áudio por falante para identificar quem falou e quando. Ele é baseado em PyTorch e inclui pipelines e modelos pré-treinados que podem ser executados localmente ou ajustados com seus próprios dados.
- pyannote-audio é gratuito? Qual é a licença?
- pyannote-audio é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- pyannote-audio ainda é mantido?
- Manutenção ativa. O último commit de pyannote-audio foi em 20 de out. de 2026.
- Para que posso usar pyannote-audio?
- Transcrever reuniões ou entrevistas com identificação dos falantes Analisar gravações de centrais de atendimento ou podcasts por falante Pesquisar ou avaliar o desempenho de modelos de diarização de falantes Adaptar um modelo de diarização a um idioma ou domínio específico
- Como instalar pyannote-audio?
- Verifique se o ffmpeg está instalado na sua máquina Instale a biblioteca com uv (recomendado): uv add pyannote.audio Aceite as condições de uso de pyannote/speaker-diarization-community-1 no Hugging Face e crie um token de acesso Carregue o pipeline community-1 e execute-o em um arquivo de áudio
- Onde consigo pyannote-audio?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/pyannote/pyannote-audio
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Framework para definir modelos de ponta em machine learning para texto, visão, áudio e tarefas multimodais, voltado a inferência e treinamento.
167,9 mil34,9 milPythonApache-2.0Atualizado há 10 horas
CLI oficial (hf) e cliente Python para baixar, enviar e gerenciar repositórios no Hugging Face Hub.
4 mil1,3 milPythonApache-2.0Atualizado ontem
Implementações em PyTorch de algoritmos de aprendizado por reforço, projetadas como uma base confiável e consistente para pesquisa e aplicações.
13,9 mil2,2 milPythonMITAtualizado há 7 dias
Um mecanismo open source de modelos Diffusion para gerar imagens, vídeos e áudio, com suporte a inferência e treinamento com pouca VRAM.
13,3 mil1,3 milPythonApache-2.0Atualizado há 11 horas
Biblioteca PyTorch que implementa métodos de mapas de ativação de classe (CAM) para visualizar quais regiões da imagem influenciam as previsões de modelos de visão computacional.
13 mil1,7 milPythonMITAtualizado há 2 meses