2025年最高の 38 個の話者の処理ツール

これはパワーセットエンコーディングに基づく話者分割モデルで、10秒の音声クリップを処理し、複数の話者とその重複音声を識別できます。

音声内の異なる話者を自動的に検出・分割する音声処理モデルです。

音声活動検出、重複音声検出、話者分割のための音声処理モデル

pyannote.audio 2.1.1バージョンに基づく話者分割モデルで、音声中の話者の変化と重複音声を自動検出するために使用されます。

pyannote.audio 3.0.0でトレーニングされたスピーカーダイアリゼーションパイプライン。自動音声活動検出、スピーカー変化検出、オーバーラップ音声検出をサポート

Sortformerアーキテクチャに基づくエンドツーエンドのスピーカーダイアリゼーションモデルで、スピーカーの音声セグメント到着順に並べ替えることでダイアリゼーションの順序問題を解決し、最大4人のスピーカー識別をサポートします。

pyannote3.0を改良したスピーカーダイアリゼーションモデルで、複数のテストセットでWDERを16.5%相対的に低減

音声中の重複音声を検出するための事前学習済みモデルで、2人以上の話者が同時に発話している時間帯を識別できます。

これはSpeechBrainで事前学習されたTDNNモデルで、話者の埋め込みベクトルを抽出するために使用され、主に話者認証と認識タスクに適用されます。

SpeechT5はCMU ARCTICデータセットでファインチューニングされた音声変換モデルで、音声内容を保持しながら音色特徴を変更することができます。

Reverb話者分離V2はpyannote-audioベースの話者分離モデルで、ベンチマークpyannote3.0モデルと比較して複数のテストセットで優れた性能を発揮します。

pyannote.audio 2.0バージョンに基づく話者分割モデルで、音声内の異なる話者を自動検出・分割する

これはエンドツーエンドの話者セグメンテーションモデルで、音声活動検出、オーバーラップ音声検出、リセグメンテーションタスクに使用されます。

Wav2Vec2-base事前学習モデルを基に、VoxCeleb1データセットでファインチューニングされた話者認識モデルで、音声分類タスクに使用されます

これは音声セグメンテーションのためのモデルで、スピーカーの変化、音声活動、およびオーバーラップ音声を検出でき、マルチスピーカーシナリオの音声分析に適しています。

Pyannoteオーディオスピーカー分割パイプライン、オーディオ内の異なるスピーカーを自動検出・分割するためのもの

これはWav2Vec2アーキテクチャに基づく話者検証モデルで、SUPERBベンチマークテストの話者検証タスク用に設計されています。

これは音声処理用の話者分割モデルで、音声活動、重複音声、複数話者を検出できます。

Pyannote.audioの話者ログパイプラインで、音声内の異なる話者を自動検出および分割するためのものです。

ディープラーニングに基づく合成音声検出モデルで、事前学習モデルの微調整により、効率的かつ正確な合成音声検出を実現します。

これは冪集合エンコーディングに基づくスピーカーセグメンテーションモデルで、10秒の音声クリップを処理し、複数のスピーカーとそのオーバーラップ状況を識別できます。

Hubertに基づく話者識別モデルで、SUPERBベンチマークタスクに対して最適化されています。

これはエンドツーエンドの話者分割モデルで、音声活動検出、オーバーラップ音声検出、再分割タスクをサポートします。

話者分割と埋め込みのための音声処理モデルで、自動音声活動検出とオーバーラップ音声検出をサポートします。

これはpyannote.audioをベースにしたスピーカーセグメンテーションモデルで、音声活動、スピーカー変更、オーバーラップ音声を検出できます。

Hubert-Largeアーキテクチャに基づく話者認識モデルで、VoxCeleb1データセットで訓練され、音声分類タスクに使用されます

Pyannote.audioの話者分割パイプラインで、音声中の話者の変化を自動検出し音声セグメントを分割します

pyannote.audio 2.0バージョンに基づくスピーカーダイアリゼーションモデルで、音声中の異なる話者を自動検出・分割します。

pyannote.audioに基づく話者分割モデルで、音声中の話者の変化と音声活動を検出するために使用されます。

ResNet293アーキテクチャに基づく話者埋め込みモデルで、大マージンファインチューニング最適化を経ており、話者認識、類似度計算、音声分割などのタスクをサポート

facebook/wav2vec2-baseをファインチューニングしたディープフェイク音声検出モデルで、合成または改ざんされた音声コンテンツを識別

pyannote.audio 2.0ベースの話者分割モデルで、音声中の話者変化や音声活動を自動検出

ResNet34アーキテクチャに基づく話者埋め込みモデルで、大マージンファインチューニングを経てVoxCeleb2データセットでトレーニングされ、話者認識や類似度計算などのタスクをサポートします。

SpeechBrainのECAPA-TDNN話者埋め込みモデルとSVM分類器を基に、音声入力から話者の性別を予測します。

Wav2Vec2-Large アーキテクチャに基づく話者認識モデルで、VoxCeleb1 データセットでトレーニングされ、音声を話者IDごとに分類するために使用されます

pyannote/speaker-diarization-3.0をベースに改良した話者分割モデル。speechbrain/spkrec-ecapa-voxcelebを使用した話者埋め込みにより、特定のテストでより優れた性能を発揮

これはpyannote/segmentation-3.0ベースモデルをファインチューニングした話者ロギングモデルで、日本語の電話会話シナリオに特化して最適化されています。

これはパワーセットマルチクラス交差エントロピー損失に基づくスピーカーセグメンテーションモデルで、10秒のモノラル音声を処理し、スピーカーセグメンテーション結果を出力できます。