Reverb Diarization V2

🚀 ReverbダイアライゼーションV2

RevのReverbダイアライゼーションV2は、自動音声認識における話者分離性能を向上させます。

🚀 クイックスタート

モデルの詳細、性能などについてはArxivを参照してください。このダイアライゼーションモデルを実行する方法の詳細については、https://github.com/revdotcom/reverb/tree/main/diarization を参照してください。

ReverbダイアライゼーションV2は、5つの異なるテストセットの125万以上のトークンで評価された結果、ベースラインのpyannote3.0モデルと比較して、WDER（Word Diarization Error Rate）が22.25％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-v2",
  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。