whisper-diarization

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. 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

   复制

2. 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

   复制

3. 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. 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

   复制

5. 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

   复制

6. 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。

如何确认成功

命令执行结束且无报错，得到带时间戳与说话人标签的转录文本。

常见问题

注意事项

• FFMPEG 与 Cython 必须先于依赖安装完成，否则依赖装不上。
• diarize.py 与 diarize_parallel.py 结果相同，差别只是并行执行速度。
• 命令中的 audio.mp3 是示例文件名，请替换为真实音频路径。