diarize-whisper 0.1.4

Librairie pour la transcription ASR et la diarisation

diarize_whisper

diarize_whisper est une librairie Python permettant la transcription automatique (ASR) et la diarisation d'un fichier audio en utilisant des modèles HuggingFace. Elle offre des outils pour :

• Convertir un fichier audio en format WAV mono 16kHz.
• Découper l'audio en segments de durée configurable.
• Transcrire chaque segment via un modèle ASR (par exemple, openai/whisper-large-v3-turbo).
• Appliquer une diarisation avec le modèle pyannote/speaker-diarization-3.1 pour identifier les différents locuteurs.
• Fusionner les résultats de la transcription et de la diarisation afin de reconstruire les dialogues avec attribution des locuteurs.
• Fournir une interface en ligne de commande (CLI) pour faciliter l'exécution du pipeline complet.

Table des matières

• Fonctionnalités
• Installation
• Utilisation
  • Utilisation en tant que librairie Python
  • Utilisation via la CLI
• Structure du projet
• Configuration
• Licence

Fonctionnalités

• Conversion Audio
  Convertit n'importe quel fichier audio en un fichier WAV mono 16kHz afin d'assurer la compatibilité avec les modèles de transcription.

• Segmentation Audio
  Découpe le fichier WAV en segments de durée fixe (par défaut 25 secondes, mais paramétrable) pour faciliter le traitement par le modèle ASR.

• Transcription (ASR)
  Utilise un modèle de transcription (ASR) de HuggingFace pour extraire le texte du fichier audio. Le modèle par défaut est openai/whisper-large-v3-turbo.

• Diarisation
  Applique la diarisation afin d'identifier et d'attribuer les segments de texte aux différents locuteurs à l'aide du modèle pyannote/speaker-diarization-3.1.

• Fusion et Reconstruction des Dialogues
  Combine les résultats de l'ASR et de la diarisation, ajuste les timestamps et attribue les dialogues aux locuteurs, en affinant la segmentation pour de meilleurs résultats.

• Interface en Ligne de Commande
  Un outil CLI (asr_diarization) permet d'exécuter l'ensemble du pipeline (conversion, segmentation, ASR, diarisation et reconstruction) en une seule commande.

Installation

Prérequis

• Python 3.10 ou supérieur.
• FFMPEG installé sur le poste.
• Un environnement compatible avec torch, pydub, pyannote.audio et transformers.

Utilisation