使用pyannote-audio进行语音分类和识别，个人记录

(一)Prearation

假设数据集的名字为 “flow”
（1）准备数据
定义环境变量：(我的数据库名flow)

$ export DATABASE=flow.SpeakerDiarization.flow

（2）需要创建一个目录来存放数据

$ DOWNLOAD_TO=~/pyannote_test/pyannote-audio/tests/data

（3）DOWNLOAD_TO中存在一个配置文件database.yml
输入 查看配置文件信息是否正确
$ cat ${DOWNLOAD_TO}/database.yml
输入 进行数据库环境变量配置

$ export PYANNOTE_DATABASE_CONFIG=${DOWNLOAD_TO}/database.yml

（一）定义
（1）在pyannote.database中对于音频、视频——将其建模为pyannote.database.ProtocolFile实例，并用 uri 标识每个实体
metadata: 可以在ProtocolFile上添加标签将其联系到一个资源
database:具有相同属性的数据集合（例如音频文件）：他被建模为：pyannote.database.Database实例
实验性协议通常定义三个子集：
train subset 用于训练神经网络
development subset 用于调整超参数
test subset 用于评估

（2）实验性协议通过YAML配置文件定义：
（3）pyannote.database将在以下位置按优先级查找配置文件：
1、当前目录下的database.yml文件
2、pyannote_Database_config环境变量
3、~/.pyannote/database.yml

（二）数据加载Data loaders
可以使用以下语法将元数据添加到每个资源：

Protocols:
  MyDatabase:
    Protocol:
      MyProtocol:
        train:
            uri: lists/train.lst
            speaker: rttms/train.rttm
            transcription: ctms/{uri}.ctm

资源有‘speaker’和‘transcription’
根据元数据文件后缀自动选择数据加载器：
pyannote.database.loader.RTTMLoader用于带.rttm后缀的‘speaker’输入
pyannote.database.loader.CTMLoader用于带ctm后缀的‘transcription’输入。
并用于填充speaker和transcription 键

（三）Preprocessors预处理器
（四）任务
1） collections
可以使用“收集”任务 定义文件的原始收集
2)speaker diarizaiton

可以使用SpeakerDiarization任务专门为说话者区分定义协议：
配置文件：

Protocols:
  MyDatabase:
    SpeakerDiarization:
      MyProtocol:
        train:
            uri: /path/to/train.lst
            annotation: /path/to/train.rttm
            annotated: /path/to/train.uem

运行python文件查看训练 uri 文件集

from pyannote.database import get_protocol
protocol = get_protocol('flow.SpeakerDiarization.flow')
for file in protocol.train():
   print(file["uri"])
   assert "annotation" in file
   assert "annotated" in file

（3）说话确认Speaker verification

(五)meta-protocols
可以将几种协议联系在一起

（六）plugins
（七）API
Custom data loaders