#说话人分离

共 6 条 · 7 天 0 条 · 30 天 5 条

信息流里打上「说话人分离」标签的资讯、产品与论文，按刊登时间排，新的在上。

10月7日

SmallestAI 在 VoiceArena 语音榜单拿了第一，这个榜用远场真实录音测试、每人单独麦克风做标注，比传统干净音频基准靠谱多了。

rohanpaul_ai@rohanpaul_ai原文

10月1日

TFAF方法无需额外训练就能融合两种说话人分离技术，在AMI和CALLHOME基准上表现更好。

arXiv cs.LG@Yehoshua Dissen 等 3 人原文

9月25日

AWS 出了个现成的 WhisperX 容器，一键部署到 SageMaker 就能拿到带说话人标注的逐词转写，还讲了扩缩和省钱细节。

官方一手AWS Machine Learning Blog@Ayush Sharma原文

9月23日

模型 Agent 与开发者多源确认精选23:30

NVIDIA 出了个 100M 参数的小模型，专门搞定多人说话分不清谁是谁的问题，8 人以内、说话重叠都能识别，已经上了 Hugging Face。

官方账号NVIDIA AI@NVIDIAAI11 个信源在谈原文

技巧 Agent 与开发者官方一手精选21:37

NVIDIA 放出了一个教程，教你用 Nemotron 3 做说话人分离，会议转写能分清谁说了哪句，想做语音应用可以照着搭一遍。

官方一手Hugging Face: Blog7 个信源在谈原文

7月25日

OpenRouter 上了 Grok 的语音转文字，25 种语言，带说话人分离，一小时才 0.1 美元，做转录可以试试。

官方账号xAI@xai原文