whisper-diarization

给语音转写加上说话人标签，会议记录一目了然

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署语音识别 🍴 复刻 504 🐛 待处理 42 👀 关注 50

GitHub ↗

GitHub 星标 ★ 5673

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源项目，免费使用

项目预览

whisper-diarization 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类语音识别

开发团队MahmoudAshraf97

GitHubhttps://github.com/MahmoudAshraf97/whisper-diarization

定价模式🏷️完全免费

价格说明开源项目，免费使用

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议BSD-2-Clause

主要语言Jupyter Notebook

技术栈/模型asr,speaker-diarization,speech,speech-recognition,speech-to-text,whisper

GitHub 星标★ 5673

上线时间2023-01-25 00:00:00

代码更新2026-08-15

仓库体积486 KB

本站数据更新2026-11-11

维护状态维护中

收录时间2026-08-13

浏览次数15

项目介绍

这是一个基于OpenAI Whisper的自动语音识别与说话人分离工具，解决的是多说话人场景下语音转写时无法区分谁在说话的问题。它结合Whisper的强大多语种识别能力和说话人分离技术，输出带时间戳和说话人标签的转录文本。核心能力包括：支持Whisper多种模型尺寸，提供说话人嵌入提取与聚类，可生成SRT/VTT字幕文件，并支持在Google Colab中直接运行。项目以Jupyter Notebook为主要形态，提供了完整的使用示例，适合快速上手。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-13 · 当前星标 ★ 5673

技术标签

asr speaker-diarization speech speech-recognition speech-to-text

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 30 分钟部署方式：本地安装 6 步

环境要求

Python >= 3.10（Python 3.9 也能用，但需手动逐个安装依赖）
系统已安装 FFMPEG（安装依赖的前置条件）
安装依赖前需先准备好 Cython
本地运行需有可用 GPU/足够显存（并行脚本要求 >=10GB VRAM）

安装与启动步骤

1准备 Python 环境

确认 Python 版本不低于 3.10；若用 3.9，需按 README 提示手动逐个安装依赖，不能直接批量装。
```
python --version
```
2安装 Cython 与 FFMPEG

Cython 与 FFMPEG 是安装依赖的前置条件。Linux 可用 apt 装 cython3，其他平台用 pip 安装。
```
pip install cython
```
3安装项目依赖

README 的安装章节要求先装好 FFMPEG 与 Cython 后再安装依赖，具体依赖清单请按仓库 README 给出的安装命令执行。
4运行说话人分离

用 diarize.py 处理音频，-a 后接音频文件名，替换成你自己的文件路径。
```
python diarize.py -a audio.mp3
```
5高显存并行运行

显存 >=10GB 时可改用并行脚本，NeMo 与 Whisper 同时跑，结果相同但该功能仍为实验性。
```
python diarize_parallel.py -a audio.mp3
```
6或用 Colab 免装

不想本地配环境，可直接打开 README 中的 Colab Notebook 在云端运行完整示例。