如何分离出音频中多个发言人的内容？

文章预览

发言人分离，顾名思义就是针对多人参与发言的音频，将不同发言人进行分离出来，标识出各个发言人在哪些时间范围内进行了讲话活动。做序列分解的伙伴可以了解下。推荐指数：5星。不足之处，还望批评指正。 一、应用背景介绍 发言人分离，顾名思义就是针对多人参与发言的音频，将不同发言人进行分离出来，标识出各个发言人在哪些时间范围内进行了讲话活动。 发言人分离是将一段音频内的多个发言人分离出来： 图：发言人分离 比如，KTV点男女合唱或团体歌时，字幕有区分不同歌手。使用腾讯会议或通义听悟，在回顾历史语音识别的内容时，也有发言人分离的结果。 图：通义听悟的发言人分离 被广泛使用的发言人分离开源项目pyannote.audio 2.1 [1]，其发言人分离流程为： 1、短滑窗下的发言人分割（speaker segmentation）； 2、发言人的特征表 ………………………………