whisper-diarization

收录理由

录音里有多人说话时，光有转写文本却分不清谁说了什么，价值就大打折扣。这个项目把OpenAI Whisper的语音识别与语音活动检测、说话人嵌入模型串成一条流水线，让输出中的每一句都能对应到具体的声音。它先做声纹分离，把干净的语音交给嵌入模型，最后返回带说话人标签和时间戳的转录，而不是一坨没有区别的文字。做会议纪要工具或检索通话录音的团队，可以直接把它当积木用；项目里还附了Colab笔记本，拿自己的音频先跑一遍，上手很轻松。