Whisper Diarizationで話者分離と文字起こし

Whisper Diarizationは音声認識と話者グルーピングを組み合わせ、誰がいつ話したかを示します。このページはReplicate上でthomasmol/whisper-diarizationを実行し、Whisper Large V3 Turboとpyannote speaker-diarization-community-1を組み合わせます。結果はここで確認・書き出しできます。

Whisper DiarizationはLarge V3 Turboによる単語単位のタイムスタンプを使用します。WhisperXはlarge-v3で文字起こしを行った後、別の強制アライメント処理で単語の時刻を合わせます。どちらもテキストと話者ラベルを編集できます。結果は元の録音と照らし合わせて確認してください。

いいえ。Whisper Diarizationはpyannoteを使い、録音内で声をグループ化するだけです。ご自身で聴いてラベルを変更してください。個人の身元確認や、ファイルをまたいだ同一人物の認識は行いません。

Whisper Diarizationは自動、または1〜50の正確な人数を指定できます。最小・最大の範囲指定は利用できません。短い応答や重なった声は誤ったグループになることがあるため確認してください。

Whisper Diarizationの無料トライアルは英語です。有料アクセスでは英語、スペイン語、フランス語、ドイツ語、イタリア語、ポルトガル語、中国語、日本語に対応します。文字起こしは翻訳せず話された言語を保ちます。

このページのWhisper Diarizationはファイルの非公開アップロードに対応し、話された言語のまま文字起こしします。提供元のAPIにある翻訳、語彙の指定、外部メディアURLからの読み込みは、このエディタでは利用できません。

Whisper Diarizationは1秒につき1クレジットです。録音時間の1秒未満の端数は切り上げます。処理前に長さをご確認ください。アカウント認証後、英語の文字起こしに使える5分間の無料利用枠が一度付与されます。失敗時は確保した利用時間を返還し、編集や書き出しには追加の利用時間がかかりません。

はい。Whisper DiarizationのエディタにはReplicateで公開されたサンプルが最初から読み込まれています。有料の処理を実行せずに、再生、単語時刻の確認、テキスト編集、ラベル変更、ダウンロードを試せます。サンプルには誤りが含まれる場合があり、精度を保証するものではありません。