speaker-diarization

開源語音辨識工具包，支援訓練、推論、串流 ASR、VAD、標點、說話者分割流程，並提供相容 OpenAI / MCP 的服務介面

基於 PyTorch 的語音工具包

即時、本地語音轉文字，支援串流 ASR、說話者分離、翻譯，並相容 OpenAI/Deepgram API。

用於說話者分割的神經建構模組：語音活動偵測、說話者變換偵測、重疊語音偵測、說話者嵌入

端到端語音處理工具包

Apple Silicon 上的本機語音 AI

基於 OpenAI Whisper 的自動語音識別與說話者分離

適合不想折騰 Python 的使用者的 Whisper 與 Faster-Whisper 獨立執行檔。

單模態與多模態說話者驗證、識別與分段的資料庫

支援字詞級時間戳記與信心度的多語言自動語音辨識

在你的應用程式中使用前沿的 CoreML 音訊模型——文字轉語音、語音轉文字、語音活動偵測與發言者分離。使用 Swift 開發，由 SOTA 開源技術驅動。

一個用於建構 AI 驅動的即時音訊應用程式的 Python 套件

精選的 Speaker Diarization 相關論文、函式庫、資料集與其他資源清單。

開源基於 LLM 的中文、方言、口音及多語種語音 ASR 模型家族，具備 FunASR、vLLM、串流與 llama.cpp 執行階段。

面向研究與生產的語者確認、辨識與分割工具包

適用於 Apple Silicon 的 AI 語音工具組 — 由 MLX 與 CoreML 驅動的 ASR、TTS、語音轉語音、VAD 與說話者分段

開箱即用的自架離線轉錄與語者識別服務，並附帶 LLM 摘要

一站式全自動字幕生成軟體，下載、轉錄、翻譯、壓製全流程覆蓋，無需人工介入

Google 說話者分段（speaker diarization）論文中所使用之（約束）譜聚類演算法的 Python 重新實作。