pyVideoTrans

Appearance

说话人识别/分离 ​

从 v3.93 版本后，支持说话人识别

注意：受限于当前模型性能，说话人识别并不准确

软件界面中选中说话人识别复选框即可。

该复选框后边的数字是确定要识别的人数，默认不限制，如果你已知说话人，建议选择某个数字(2-10),将能提高识别准确度

1. 默认 中英说话人分离模型 ​

该模型内置，开箱即用，无需特殊配置，中文模型为 models/onnx/3dspeaker_speech_eres2net_large_sv_zh-cn_3dspeaker_16k.onnx 英文模型models/onnx/nemo_en_titanet_small.onnx

2. 使用 pyannote 说话人分离模型 speaker-diarization-3.1 ​

注意这是一个私有模型，你必须到该模型官方仓库填写信息同意协议，方可合法使用

  1. 确认你能访问 https://huggingface.co/pyannote/speaker-diarization-3.1 网站(该站国内已被墙)，并拥有一个账号，如果没有，请免费注册并登陆

  2. 登录并打开该网址： https://huggingface.co/pyannote/speaker-diarization-3.1 ，如图填写相关信息，然后点击 Agree and access repository

  1. 然后访问这个网址：https://huggingface.co/settings/tokens/new?tokenType=read 随意填写一个英文名字，点击Create token，如下图

在弹出的密钥界面中，复制这串密钥，如下图

  1. 打开 pyVideoTrans 软件，点击菜单--工具--高级选项--找到 说话人分离 选项，在下拉菜单中选择pyannote,并在Huggingface token中填写你刚刚复制的密钥，如下图

点击保存，就可以使用了