GitHub-радар
Модель Pyannote сама находит, кто говорил в записи
Pyannote выпустила бесплатную модель, которая по аудиозаписи определяет, кто и когда говорил - без разметки вручную. На открытых тестах она заметно точнее предыдущей версии 3.1.
Pyannote делает открытые модели для анализа речи и давно известна командам, которые собирают подкасты и видео. Новая модель Community-1 слушает запись и расставляет метки: кто говорит и в какой момент, то есть разбирает разговор по голосам ещё до расшифровки текста. По сравнению с прошлой версией 3.1 ошибок стало заметно меньше: на тесте AISHELL-4 ошибка упала с 12,2% до 11,7%, а на записи встречи AliMeeting - с 24,5% до 20,3%. Модель умеет сразу учитывать число говорящих, если оно известно заранее, и выдаёт результат без доступа в интернет - всё считается на своём компьютере. Доступ к весам бесплатный по лицензии CC-BY-4.0, но модель закрыта кнопкой: перед скачиванием нужно заполнить короткую форму на странице и получить токен Hugging Face.
Зачем это вайб-кодеру
Для подкаста или видео с несколькими людьми это экономит самую нудную часть монтажа - вручную отмечать, кто где говорит. Разница с прошлой версией не драматическая, но стабильная: на записях с несколькими участниками модель заметно реже путает голоса. Минус небольшой: модель закрыта кнопкой доступа - перед запуском нужно принять условия на странице и завести токен Hugging Face, хотя сами веса бесплатные.
Как поставить
Скопируйте и отправьте своему агенту — Claude Code, Codex, любому:
Поставь мне у себя модель Pyannote для разбора записи по голосам: https://huggingface.co/pyannote/speaker-diarization-community-1 - заведи токен Hugging Face, установи pyannote.audio и обработай вот эту запись (дай файл), показав, кто и когда говорил.
Работает на обычном компьютере без видеокарты - считает на процессоре, видеокарта просто ускорит обработку. Нужен Python и библиотека pyannote.audio.
Открыть на Hugging Face▌ Ещё находки