Открытый набор инструментов для офлайн-распознавания речи и ASR в потоковом режиме, с VAD, расстановкой знаков препинания, метками говорящих и совместимым с OpenAI сервером.
20,8 тыс.2,1 тыс.PythonMITОбновлён позавчера
pyannote/pyannote-audio
Открытый Python-инструментарий для диаризации речи на базе PyTorch с предобученными пайплайнами, которые определяют, кто и когда говорил в аудиозаписи.
- Звёзды
- 10,671
- Форки
- 1,123
- Открытые issues
- 48
- Последний коммит
- 15 часов назад
Что это?
pyannote.audio — это Python-инструментарий для диаризации речи: разделения аудиозаписи на сегменты с указанием говорящего, чтобы определить, кто и когда говорил. Он построен на PyTorch и включает предобученные пайплайны и модели, которые можно запускать локально или дообучать на собственных данных.
Инструментарий охватывает основные компоненты диаризации: обнаружение речи, смены говорящего и перекрывающейся речи, а также получение эмбеддингов говорящих. Текущий открытый пайплайн community-1 загружается с Hugging Face коротким вызовом Python и возвращает временные интервалы реплик с указанием говорящих. Премиальный пайплайн precision-2 работает на серверах pyannoteAI через API key, а сбор телеметрии при желании можно отключить с помощью переменной окружения.
Обучение поддерживает запуск на нескольких GPU с помощью pytorch-lightning. В проект также входят руководства по применению, адаптации и обучению пайплайнов и моделей.
Ключевые возможности
- 01Предобученные пайплайны для диаризации речи, загружаемые с Hugging Face
- 02Модели для обнаружения речи, смены говорящего и перекрывающейся речи
- 03Извлечение эмбеддингов говорящих для верификации и распознавания
- 04Дообучение на собственных данных с обучением на нескольких GPU через pytorch-lightning
- 05Дополнительный размещённый премиальный пайплайн через API pyannoteAI
Сценарии использования
- Расшифровка встреч и интервью с метками говорящих
- Анализ записей звонков в кол-центре или подкастов с разбивкой по говорящим
- Исследование моделей диаризации речи или сравнение их производительности
- Адаптация модели диаризации к конкретному языку или предметной области
Быстрый старт
- 1
Убедитесь, что на вашем компьютере установлен ffmpeg
- 2
Установите библиотеку с помощью uv (рекомендуется)
uv add pyannote.audio - 3
Примите условия использования pyannote/speaker-diarization-community-1 на Hugging Face и создайте токен доступа
- 4
Загрузите пайплайн community-1 и запустите его для аудиофайла
Что важно знать
- Для работы с пайплайном community-1 с открытым исходным кодом необходимо принять условия использования модели и получить токен доступа Hugging Face.
- На GPU пайплайн работает быстрее; в бенчмарках README используется NVIDIA H100.
- Для премиального сервиса precision-2 требуется API-ключ pyannoteAI. При размещённом использовании он запускается на серверах pyannoteAI.
Темы
Частые вопросы
- Что такое pyannote-audio?
- Открытый Python-инструментарий для диаризации речи на базе PyTorch с предобученными пайплайнами, которые определяют, кто и когда говорил в аудиозаписи. pyannote.audio — это Python-инструментарий для диаризации речи: разделения аудиозаписи на сегменты с указанием говорящего, чтобы определить, кто и когда говорил. Он построен на PyTorch и включает предобученные пайплайны и модели, которые можно запускать локально или дообучать на собственных данных.
- pyannote-audio можно использовать бесплатно? Какая у него лицензия?
- pyannote-audio распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- pyannote-audio всё ещё поддерживается?
- Активно поддерживается. Последний коммит в pyannote-audio — 20 окт. 2026 г..
- Для чего можно использовать pyannote-audio?
- Расшифровка встреч и интервью с метками говорящих Анализ записей звонков в кол-центре или подкастов с разбивкой по говорящим Исследование моделей диаризации речи или сравнение их производительности Адаптация модели диаризации к конкретному языку или предметной области
- Как установить pyannote-audio?
- Убедитесь, что на вашем компьютере установлен ffmpeg Установите библиотеку с помощью uv (рекомендуется): uv add pyannote.audio Примите условия использования pyannote/speaker-diarization-community-1 на Hugging Face и создайте токен доступа Загрузите пайплайн community-1 и запустите его для аудиофайла
- Где скачать pyannote-audio?
- Исходный код и инструкции по установке — на GitHub: https://github.com/pyannote/pyannote-audio
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Фреймворк с определениями современных моделей машинного обучения для текста, изображений, аудио и мультимодальных задач — для обучения и инференса.
167,9 тыс.34,9 тыс.PythonApache-2.0Обновлён 9 часов назад
Официальный CLI (hf) и Python-клиент для скачивания, загрузки и управления репозиториями на Hugging Face Hub.
4 тыс.1,3 тыс.PythonApache-2.0Обновлён вчера
Реализации алгоритмов обучения с подкреплением на PyTorch — надёжная и единообразная отправная точка для исследований и практических задач.
13,9 тыс.2,2 тыс.PythonMITОбновлён 7 дней назад
Движок с открытым исходным кодом для генерации изображений, видео и аудио с помощью Diffusion-моделей; поддерживает инференс и обучение при небольшом объёме VRAM.
13,3 тыс.1,3 тыс.PythonApache-2.0Обновлён 10 часов назад
Библиотека для PyTorch с методами CAM, которые визуализируют области изображения, влияющие на предсказания модели компьютерного зрения.
13 тыс.1,7 тыс.PythonMITОбновлён 2 месяца назад