anarlog 说话人分离如何把多人会议转写快速拆成“谁说了什么”【免费下载链接】anarlogOpen source Granola AI Alternative项目地址: https://gitcode.com/GitHub_Trending/hy/anarlog几个人同时说话的会议里转写工具吐出来的往往是一整块分不清归属的长文本。anarlog 是一个开源、本地优先的 AI 会议记事本它不把机器人拉进你的会议而是在你的设备上直接录音把不同说话人的语音拆开输出带说话人标签的会议转写。一对一通话、小团队会、长会它分别解决了什么一对一通话最典型的麻烦是“我说的”和“对方说的”混在一列里。anarlog 用立体声采集把麦克风通道 0只有你和系统音频通道 1远端所有人分开记录两路声音天然分属两个说话人转写稿里你的话和对方的话各归各列。小团队会大家共用一支麦克风时声音彼此交叠。anarlog 对语音片段做特征聚类给每个人分配独立标识事后你在转写里选中一个说话人标签就能把它指派给具体参会者还可以一键“应用到全部”同类片段。长会在 Apple Silicon 的 Mac 上内置的 Soniqo Parakeet Batch 模型支持 25 种欧洲语言小时级通话也能生成带说话人标签的转写文档里明确建议长会优先走这条“会后”路线。说话人分离怎么运转听清 → 分清 → 跟上听清是先把声音收好。anarlog 同时捕获麦克风和电脑音频存成本地录音随后用内置的 ONNX 语音活动检测模型即判断“哪段有人在说话”的过滤层去掉静音和噪音只留下语音片段。分清是给声音贴上身份。系统从每段语音里提取声纹每个人独一无二的声学特征向量再聚类特征相近的片段归为同一个说话人新出现的特征自动开一个新身份。这一步像宴会迎宾先听谁在开口再凭“声纹胸牌”把客人归到正确的桌位。本地转写提供商返回的词通常不带说话人标记anarlog 就在本机用 pyannote 模型对 16 kHz 的录音做二次标注把空白补齐。跟上是让识别随会议推进保持准确。已知参会者的声纹会被保留下来同一个人的碎片化发言可以合并到同一身份会议结束后还能用 Parakeet Batch 在本地重跑一遍、修正说话人标签长会里声音漂移也不至于越标越乱。技术支撑Whisper、pyannote 与声纹模型Whisper 系模型语音转文本主力本地转写与批量处理分别由crates/whisper、crates/transcribe-whisper-local承载。pyannote 说话人分离本机推理版在 crates/pyannote-local/分段、聚类各一个模块云端 API 客户端在crates/api-pyannote/。️wespeaker-embedding-onnx-1在本地计算机说话人声纹嵌入为聚类提供特征。⚡ONNX VAD 模型随包提供的语音活动检测与音频清理同样跑在本机。☁️云端提供商Deepgram Nova、Soniox 5、AssemblyAI Universal 3.5 等在服务器侧完成分离本地与云端的分工见 docs/models-and-providers.mdx。核心编排通道规划、本地分离调度等逻辑集中在 crates/listener2-core/想看“谁说了什么”是怎么算出来的从这里翻起最直接。能力边界什么时候稳什么时候弱✅做得到一对一通话的麦克风/系统音频双通道分离最稳定本地转写提供商未打标时在设备上用 pyannote 补标说话人事后人工修正改一个标签即可批量应用到同一片段Apple Silicon 上 25 种欧洲语言的本地说话人标签转写。⚠️做不到或较弱多人同时抢话的实时场景分离准确度会下降实时路径更依赖提供商的服务器侧能力完全离线的实时分离目前有限设备侧精细修正主要发生在“录音之后”识别效果强依赖音频质量环境嘈杂会直接影响聚类结果。演进方向代码里已经指出的路 扩大设备侧分离覆盖面——当前本机分离只在本地提供商返回无标签文本时触发仍有更多场景可以下沉到本地。 持续记忆参会者声纹让常客的身份标签跨会议自动对齐。 深化“先流式、后批量”的两段式标签精修把会中标注的误差在会后自动抹平。 保持本地优先转写、声纹、数据全部留在本地 SQLite 与文件中云同步始终可选。下次多人会议结束时你拿到的不再是一整块无从下手的长文本而是每一句都署着名的转写稿——这正是 anarlog 说话人分离最想交给你的东西。【免费下载链接】anarlogOpen source Granola AI Alternative项目地址: https://gitcode.com/GitHub_Trending/hy/anarlog创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
anarlog 说话人分离：如何把多人会议转写快速拆成“谁说了什么”
anarlog 说话人分离如何把多人会议转写快速拆成“谁说了什么”【免费下载链接】anarlogOpen source Granola AI Alternative项目地址: https://gitcode.com/GitHub_Trending/hy/anarlog几个人同时说话的会议里转写工具吐出来的往往是一整块分不清归属的长文本。anarlog 是一个开源、本地优先的 AI 会议记事本它不把机器人拉进你的会议而是在你的设备上直接录音把不同说话人的语音拆开输出带说话人标签的会议转写。一对一通话、小团队会、长会它分别解决了什么一对一通话最典型的麻烦是“我说的”和“对方说的”混在一列里。anarlog 用立体声采集把麦克风通道 0只有你和系统音频通道 1远端所有人分开记录两路声音天然分属两个说话人转写稿里你的话和对方的话各归各列。小团队会大家共用一支麦克风时声音彼此交叠。anarlog 对语音片段做特征聚类给每个人分配独立标识事后你在转写里选中一个说话人标签就能把它指派给具体参会者还可以一键“应用到全部”同类片段。长会在 Apple Silicon 的 Mac 上内置的 Soniqo Parakeet Batch 模型支持 25 种欧洲语言小时级通话也能生成带说话人标签的转写文档里明确建议长会优先走这条“会后”路线。说话人分离怎么运转听清 → 分清 → 跟上听清是先把声音收好。anarlog 同时捕获麦克风和电脑音频存成本地录音随后用内置的 ONNX 语音活动检测模型即判断“哪段有人在说话”的过滤层去掉静音和噪音只留下语音片段。分清是给声音贴上身份。系统从每段语音里提取声纹每个人独一无二的声学特征向量再聚类特征相近的片段归为同一个说话人新出现的特征自动开一个新身份。这一步像宴会迎宾先听谁在开口再凭“声纹胸牌”把客人归到正确的桌位。本地转写提供商返回的词通常不带说话人标记anarlog 就在本机用 pyannote 模型对 16 kHz 的录音做二次标注把空白补齐。跟上是让识别随会议推进保持准确。已知参会者的声纹会被保留下来同一个人的碎片化发言可以合并到同一身份会议结束后还能用 Parakeet Batch 在本地重跑一遍、修正说话人标签长会里声音漂移也不至于越标越乱。技术支撑Whisper、pyannote 与声纹模型Whisper 系模型语音转文本主力本地转写与批量处理分别由crates/whisper、crates/transcribe-whisper-local承载。pyannote 说话人分离本机推理版在 crates/pyannote-local/分段、聚类各一个模块云端 API 客户端在crates/api-pyannote/。️wespeaker-embedding-onnx-1在本地计算机说话人声纹嵌入为聚类提供特征。⚡ONNX VAD 模型随包提供的语音活动检测与音频清理同样跑在本机。☁️云端提供商Deepgram Nova、Soniox 5、AssemblyAI Universal 3.5 等在服务器侧完成分离本地与云端的分工见 docs/models-and-providers.mdx。核心编排通道规划、本地分离调度等逻辑集中在 crates/listener2-core/想看“谁说了什么”是怎么算出来的从这里翻起最直接。能力边界什么时候稳什么时候弱✅做得到一对一通话的麦克风/系统音频双通道分离最稳定本地转写提供商未打标时在设备上用 pyannote 补标说话人事后人工修正改一个标签即可批量应用到同一片段Apple Silicon 上 25 种欧洲语言的本地说话人标签转写。⚠️做不到或较弱多人同时抢话的实时场景分离准确度会下降实时路径更依赖提供商的服务器侧能力完全离线的实时分离目前有限设备侧精细修正主要发生在“录音之后”识别效果强依赖音频质量环境嘈杂会直接影响聚类结果。演进方向代码里已经指出的路 扩大设备侧分离覆盖面——当前本机分离只在本地提供商返回无标签文本时触发仍有更多场景可以下沉到本地。 持续记忆参会者声纹让常客的身份标签跨会议自动对齐。 深化“先流式、后批量”的两段式标签精修把会中标注的误差在会后自动抹平。 保持本地优先转写、声纹、数据全部留在本地 SQLite 与文件中云同步始终可选。下次多人会议结束时你拿到的不再是一整块无从下手的长文本而是每一句都署着名的转写稿——这正是 anarlog 说话人分离最想交给你的东西。【免费下载链接】anarlogOpen source Granola AI Alternative项目地址: https://gitcode.com/GitHub_Trending/hy/anarlog创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
