# 說話人分割

DiariZen是一個基於AudioZen和Pyannote 3.1驅動的說話人分割工具包。說話人分割是音頻處理中的一個關鍵步驟，它能夠將一段音頻中的不同說話人進行區分。這項技術在會議記錄、電話監控、安全監聽等多個領域都有廣泛的應用。DiariZen的主要優點包括易於使用、高準確性和開源，使得研究人員和開發者可以自由地使用和改進它。DiariZen在GitHub上以MIT許可證發佈，這意味著它是完全免費的，並且可以被商業使用。

Reverb 是一個開源的語音識別和說話人分割模型推理代碼，使用 WeNet 框架進行語音識別 (ASR) 和 Pyannote 框架進行說話人分割。它提供了詳細的模型描述，並允許用戶從 Hugging Face 下載模型。Reverb 旨在為開發者和研究人員提供高質量的語音識別和說話人分割工具，以支持各種語音處理任務。

whisper-diarization是一個結合了Whisper自動語音識別(ASR)能力、聲音活動檢測(VAD)和說話人嵌入技術的開源項目。它通過提取音頻中的聲音部分來提高說話人嵌入的準確性，然後使用Whisper生成轉錄文本，並通過WhisperX校正時間戳和對齊，以減少由於時間偏移導致的分割錯誤。接著，使用MarbleNet進行VAD和分割以排除靜音，TitaNet用於提取說話人嵌入以識別每個段落的說話人，最後將結果與WhisperX生成的時間戳關聯，基於時間戳檢測每個單詞的說話人，並使用標點模型重新對齊以補償小的時間偏移。