Reverb Diarization V2

🚀 Reverb 語音分離 V2

Reverb 語音分離 V2 是一款用於自動語音識別的模型，在語音分離任務上表現出色，相比基線模型有顯著的性能提升。它能有效降低語音分離錯誤率，為語音處理相關應用提供有力支持。

🚀 快速開始

關於該模型的詳細信息、性能等內容可查看 Arxiv 論文。 若想了解如何運行此語音分離模型，請訪問 https://github.com/revdotcom/reverb/tree/main/diarization 。

✨ 主要特性

Reverb 語音分離 V2 在五個不同測試集上，對超過 125 萬個標記進行評估，與基線 pyannote3.0 模型相比，單詞語音分離錯誤率（WDER）相對提升了 22.25%。

💻 使用示例

基礎用法

# 代碼源自 https://huggingface.co/pyannote/speaker-diarization-3.1 - 更多詳情請查看該鏈接
# 實例化管道
from pyannote.audio import Pipeline
pipeline = Pipeline.from_pretrained(
  "Revai/reverb-diarization-v2",
  use_auth_token="HUGGINGFACE_ACCESS_TOKEN_GOES_HERE")

# 在音頻文件上運行管道
diarization = pipeline("audio.wav")

# 使用 RTTM 格式將語音分離輸出保存到磁盤
with open("audio.rttm", "w") as rttm:
    diarization.write_rttm(rttm)

📚 詳細文檔

如果您使用此模型，請使用以下引用：

@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}, 
}

📄 許可證

詳情請查看 LICENSE 文件。