speaker-diarization

トレーニング、推論、ストリーミングASR、VAD、句読点、話者ダイアライゼーションパイプライン、およびOpenAI互換/MCPサービングのためのオープンソース音声認識ツールキット

PyTorchベースの音声ツールキット

ストリーミングASR、話者ダイアライゼーション、翻訳、およびOpenAI/Deepgram互換APIを備えたリアルタイムローカル音声認識

話者ダイアライゼーションのためのニューラルビルディングブロック：音声活動検出、話者切り替わり検出、オーバーラップ音声検出、話者埋め込み。

エンドツーエンド音声処理ツールキット

Apple Silicon向けオンデバイス音声AI

OpenAI Whisperに基づく話者ダイアライゼーション付き自動音声認識

Python の導入を避けたい人のための Whisper および Faster-Whisper のスタンドアロン実行ファイル

シングルおよびマルチモーダルの話者照合、話者認識、話者ダイアライゼーションのためのリポジトリ

単語レベルのタイムスタンプと信頼度を備えた多言語自動音声認識

アプリ内で最先端の CoreML 音声モデルを利用可能に — テキスト読み上げ、音声認識、音声区間検出、話者ダイアライゼーション。Swift 製、SOTA のオープンソースを活用。

AIを活用したリアルタイム音声アプリケーションを構築するためのPythonパッケージ

話者分離（Speaker Diarization）に関する優れた論文、ライブラリ、データセット、その他のリソースのキュレーションリスト。

中国語、方言、アクセント、多言語音声に対応した、オープンソースの LLM ベース ASR モデルファミリ。FunASR、vLLM、ストリーミング、llama.cpp ランタイムをサポート。

研究およびプロダクション向けの音声照合、認識、話者分離ツールキット

Apple Silicon 向け AI 音声ツールキット — MLX と CoreML を活用した ASR、TTS、音声対音声、VAD、話者分離

LLM による要約を備えた、すぐに使えるセルフホスト型オフライン文字起こしおよび話者分離サービス

一站式全自动字幕生成软件，下载、转录、翻译、压制全流程覆盖，无需人工介入 / One-stop automated subtitle generator. Handles downloading, transcription, translation, and hardcoding—zero human intervention required.

Googleのスピーカーダイアライゼーションに関する論文で使用されている（制約付き）スペクトラルクラスタリングアルゴリズムのPythonによる再実装