模型

voice-activity-detection

pyannote/voice-activity-detection

查看上游原文 ↗
上游访问:需要申请 本站服务:可咨询 内容检查:AI 辅助整理并检查 许可证:mit 上游版本:8d678d7647d9

中文简介

pyannote/voice-activity-detection 是 pyannote 在 Hugging Face 发布的模型仓库,当前卡片主要关联语音识别。本站固定记录上游版本 8d678d7647d9,同步到 3 个文件,文件元数据合计 上游未提供可汇总大小;访问状态为“需要申请”,许可证字段为“mit”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 pyannote/voice-activity-detection 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
pyannote/voice-activity-detection 是 pyannote 在 Hugging Face 发布的模型仓库,当前卡片主要关联语音识别。本站固定记录上游版本 8d678d7647d9,同步到 3 个文件,文件元数据合计 上游未提供可汇总大小;访问状态为“需要申请”,许可证字段为“mit”。

【适用方向】
适合评估语音转写、字幕生成和语音内容结构化任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本:8d678d7647d9。 任务标签:语音识别。 库标记:pyannote-audio。 上游页面记录的最近更新时间:2024-05-10。

【文件信息】
上游 API 返回 3 个文件,文件元数据合计 上游未提供可汇总大小。 已保存文件清单中的主要扩展名:.md 1 个、.yaml 1 个、无扩展名 1 个。 当前较大的文件包括:README.md(2.46 KB);.gitattributes(1.15 KB);config.yaml(277 B)。

【运行或处理环境】
仓库文件元数据合计 上游未提供可汇总大小。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 该仓库需要由用户本人按上游要求申请访问,是否批准及何时批准由资源权利方决定。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

Using this open-source model in production? Consider switching to pyannoteAI for better and faster options. 🎹 Voice activity detection Relies on pyannote.audio 2.1: see installation instructions. 1. visit hf.co/pyannote/segmentation and accept user conditions 2. visit hf.co/settings/tokens to create an access token 3. instantiate pretrained voice activity detection pipeline from pyannote.audio import Pipeline pipeline = Pipeline.from_pretrained("pyannote/voice-activity-detection", use_auth_token="ACCESS_TOKEN_GOES_HERE") output = pipeline("audio.wav") for speech in output.get_timeline().support(): active speech between speech.start and speech.end ... Citation @inproceedings{Bredin2021, Title = {{End-to-end speaker segmentation for overlap-aware resegmentation}}, Author = {{Bredin}, Herv{\'e} and {Laurent}, Antoine}, Booktitle = {Proc. Interspeech 2021}, Address = {Brno, Czech Republic}, Month = {August}, Year = {2021}, } @inproceedings{Bredin2020, Title = {{pyannote.audio: neural building blocks for speaker diarization}}, Author = {{Bredin}, Herv{\'e} and {Yin}, Ruiqing and {Coria}, Juan Manuel and {Gelly}, Gregory and {Korshunov}, Pavel and {Lavechin}, Marvin and {Fustes}, Diego and {Titeux}, Hadrien and {Bouaziz}, Wassim and {Gill}, Marie-Philippe}, Booktitle = {ICASSP 2020, IEEE International Conference on Acoustics, Speech, and Signal Processing}, Address = {Barcelona, Spain}, Month = {May}, Year = {2020}, }

公开页仅展示原文摘录;完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合评估语音转写、字幕生成和语音内容结构化任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本:8d678d7647d9。 任务标签:语音识别。 库标记:pyannote-audio。 上游页面记录的最近更新时间:2024-05-10。

文件说明

上游 API 返回 3 个文件,文件元数据合计 上游未提供可汇总大小。 已保存文件清单中的主要扩展名:.md 1 个、.yaml 1 个、无扩展名 1 个。 当前较大的文件包括:README.md(2.46 KB);.gitattributes(1.15 KB);config.yaml(277 B)。

上游文件元数据

  • .gitattributes1.15 KB
  • config.yaml277 B
  • README.md2.46 KB

硬件建议

仓库文件元数据合计 上游未提供可汇总大小。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。

注意事项

许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 该仓库需要由用户本人按上游要求申请访问,是否批准及何时批准由资源权利方决定。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。