Whisper-Diarization 项目推荐

Whisper-Diarization 项目推荐

whisper-diarization Automatic Speech Recognition with Speaker Diarization based on OpenAI Whisper 项目地址: https://gitcode.com/gh_mirrors/wh/whisper-diarization

1. 项目基础介绍和主要编程语言

Whisper-Diarization 是一个基于 OpenAI Whisper 的自动语音识别（ASR）和说话人分割（Speaker Diarization）的开源项目。该项目的主要编程语言是 Python，适合对语音识别和说话人分割技术感兴趣的开发者使用。

2. 项目核心功能

Whisper-Diarization 项目结合了 Whisper 的语音识别能力和语音活动检测（VAD）以及说话人嵌入技术，能够识别并标记音频中每个句子的说话人。其核心功能包括：

• 语音识别：使用 OpenAI Whisper 进行语音转文字。
• 说话人分割：通过语音活动检测和说话人嵌入技术，识别并标记每个句子的说话人。
• 时间戳校正：使用 WhisperX 对时间戳进行校正和对齐，以减少由于时间偏移导致的分割错误。
• 并行处理：支持在具有足够 VRAM 的系统上并行运行 NeMo 和 Whisper，以提高处理速度。

3. 项目最近更新的功能

Whisper-Diarization 项目最近更新的功能包括：

• 命令行选项：增加了多个命令行选项，如 --no-stem（禁用源分离）、--whisper-model（选择 ASR 模型）、--suppress_numerals（数字转字母以提高对齐精度）、--device（选择设备）、--language（手动选择语言）、--batch-size（批处理大小）等。
• 并行处理：引入了 diarize_parallel.py，支持在具有足够 VRAM 的系统上并行运行 NeMo 和 Whisper，以提高处理速度。
• 实验性功能：尽管并行处理功能仍处于实验阶段，但开发者欢迎用户反馈以改进该功能。

通过这些更新，Whisper-Diarization 项目在功能和性能上都有了显著提升，为用户提供了更灵活和高效的语音识别和说话人分割解决方案。

whisper-diarization Automatic Speech Recognition with Speaker Diarization based on OpenAI Whisper 项目地址: https://gitcode.com/gh_mirrors/wh/whisper-diarization