Voice Activity Detection

🎹 音声活動検出

このオープンソースモデルを本番環境で使用していますか？ より良く、より高速なオプションを求めるなら、pyannoteAI への切り替えを検討してください。

音声活動検出は pyannote.audio 2.1 に依存しています。インストール手順を参照してください。

🚀 クイックスタート

基本的な使用法

# 1. hf.co/pyannote/segmentation にアクセスし、ユーザー条件に同意する
# 2. hf.co/settings/tokens にアクセスし、アクセストークンを作成する
# 3. 事前学習済みの音声活動検出パイプラインをインスタンス化する

from pyannote.audio import Pipeline
pipeline = Pipeline.from_pretrained("pyannote/voice-activity-detection",
                                    use_auth_token="ACCESS_TOKEN_GOES_HERE")
output = pipeline("audio.wav")

for speech in output.get_timeline().support():
    # speech.start と speech.end の間のアクティブな音声
    ...

📄 ライセンス

このモデルは MIT ライセンスの下で提供されています。

追加のゲート付き情報

収集された情報は、pyannote.audio のユーザーベースに関するより良い知識を得るのに役立ち、そのメンテナーがさらなる改善のための助成金を申請するのに役立ちます。学術研究者の場合は、モデルを使用した自分の出版物で関連する論文を引用してください。企業で働いている場合は、pyannote.audio の開発に貢献することを検討してください（例：無制限の寄付を通じて）。また、話者分離や機械聴取に関する科学的なコンサルティングサービスも提供しています。

📚 引用

@inproceedings{Bredin2021,
  Title = {{End-to-end speaker segmentation for overlap-aware resegmentation}},
  Author = {{Bredin}, Herv{\'e} and {Laurent}, Antoine},
  Booktitle = {Proc. Interspeech 2021},
  Address = {Brno, Czech Republic},
  Month = {August},
  Year = {2021},
}

@inproceedings{Bredin2020,
  Title = {{pyannote.audio: neural building blocks for speaker diarization}},
  Author = {{Bredin}, Herv{\'e} and {Yin}, Ruiqing and {Coria}, Juan Manuel and {Gelly}, Gregory and {Korshunov}, Pavel and {Lavechin}, Marvin and {Fustes}, Diego and {Titeux}, Hadrien and {Bouaziz}, Wassim and {Gill}, Marie-Philippe},
  Booktitle = {ICASSP 2020, IEEE International Conference on Acoustics, Speech, and Signal Processing},
  Address = {Barcelona, Spain},
  Month = {May},
  Year = {2020},
}