Reverb Diarization V1

🚀 Reverb 話者分離 V1

Reverb 話者分離 V1は、自動音声認識における話者分離機能を提供するモデルです。ベースラインのpyannote3.0モデルと比較して、WDER（Word Diarization Error Rate）が16.5%相対的に改善されています。

🚀 クイックスタート

モデルの詳細や性能については、Arxivを参照してください。この話者分離モデルの実行方法についての詳細情報は、https://github.com/revdotcom/reverb/tree/main/diarization を参照してください。

Reverb 話者分離 V1は、5つの異なるテストセットで合計125万以上のトークンを評価した結果、ベースラインのpyannote3.0モデルと比較して、WDER（Word Diarization Error Rate）が16.5%相対的に改善されています。

💻 使用例

基本的な使用法

# taken from https://huggingface.co/pyannote/speaker-diarization-3.1 - see for more details
# instantiate the pipeline
from pyannote.audio import Pipeline
pipeline = Pipeline.from_pretrained(
  "Revai/reverb-diarization-v1",
  use_auth_token="HUGGINGFACE_ACCESS_TOKEN_GOES_HERE")

# run the pipeline on an audio file
diarization = pipeline("audio.wav")

# dump the diarization output to disk using RTTM format
with open("audio.rttm", "w") as rttm:
    diarization.write_rttm(rttm)

📚 ドキュメント

このモデルを使用する場合は、以下の引用を使用してください。

@misc{bhandari2024reverbopensourceasrdiarization,
      title={Reverb: Open-Source ASR and Diarization from Rev}, 
      author={Nishchal Bhandari and Danny Chen and Miguel Ángel del Río Fernández and Natalie Delworth and Jennifer Drexler Fox and Migüel Jetté and Quinten McNamara and Corey Miller and Ondřej Novotný and Ján Profant and Nan Qin and Martin Ratajczak and Jean-Philippe Robichaud},
      year={2024},
      eprint={2410.03930},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2410.03930}, 
}

📄 ライセンス

詳細については、LICENSEを参照してください。