speaker-diarization

开源语音识别工具包，支持训练、推理、流式 ASR、VAD、标点、说话人分离流水线，并提供兼容 OpenAI / MCP 的服务接口

基于 PyTorch 的语音工具包

实时、本地语音转文字，支持流式 ASR、说话者分离、翻译，并兼容 OpenAI/Deepgram API。

用于说话者分割的神经构建模块：语音活动检测、说话者变换检测、重叠语音检测、说话者嵌入

端到端语音处理工具包

Apple Silicon 上的本机语音 AI

基于 OpenAI Whisper 的自动语音识别与说话者分离

适合不想折腾 Python 的用户的 Whisper 与 Faster-Whisper 独立可执行文件。

单模态与多模态说话者验证、识别与分段的数据库

支持词级时间戳和置信度的多语言自动语音识别

在你的应用中使用前沿的 CoreML 音频模型——文字转语音、语音转文字、语音活动检测与发言者分离。使用 Swift 开发，由 SOTA 开源技术驱动。

一个用于构建 AI 驱动的实时音频应用程序的 Python 套件

精选的 Speaker Diarization 相关论文、库、数据集和其他资源列表。

开源基于 LLM 的中文、方言、口音及多语种语音 ASR 模型家族，具备 FunASR、vLLM、流式与 llama.cpp 运行时。

面向研究与生产的说话人确认、识别与分割工具包

适用于 Apple Silicon 的 AI 语音工具组 — 由 MLX 与 CoreML 驱动的 ASR、TTS、语音转语音、VAD 与说话者分段

开箱即用的自托管离线转录与说话人日志服务，并附带 LLM 摘要

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

Google 说话者分段（speaker diarization）论文中所使用之（约束）谱聚类算法的 Python 重新实现。