diart

收录理由

Diart 解决了一个多数语音工具避而不答的问题：在对话进行中，实时分辨出谁在说话、什么时候说话。它并不像传统方案那样事后对录音做批量处理，而是将说话人分割模型与嵌入模型接入一个增量聚类流程，随着音频流持续推进，识别结果会越来越准。这种特性让它很适合实时会议、呼叫中心、辅助听力以及需要边听边给出结论的转写产品。除了开箱即用的 SpeakerDiarization 流程，你还可以自行搭建定制化的流式处理管线，调整超参数，做基准测试，并通过 WebSockets 对外提供分离服务。对研究者和工程师而言，它既是一个能直接嵌入的组件，也是探索流式音频处理的上手起点，文档把安装和主要工作流都讲得很清楚。