# pyannote.audio

> Кто говорил и когда: разметка голосов в аудиозаписи

Библиотека для диаризации речи: определяет, кто и когда говорит, находит речевые фрагменты и позволяет дообучать модели на своих данных.

- Что делает: определяет говорящих в аудиозаписи
- Категории: Opensource, Инструменты разработчика, Обработка звука
- Бизнес-модель: Freemium
- Ограничения: community-1: нужны принятие условий модели, токен Hugging Face и ffmpeg
- Модели: precision-2, community-1
- Сайт сервиса: https://github.com/pyannote/pyannote-audio
- Карточка в каталоге: https://ailibri.com/pyannote-audio
- Обновлено: 2026-10-13

## Описание

pyannote.audio — библиотека с открытым исходным кодом на Python для диаризации речи: она помогает определить, кто и когда говорит в аудиозаписи. Конвейер принимает аудиофайл и возвращает интервалы речевых фрагментов с назначенным каждому говорящим. Это инструмент для тех, кто работает с аудио в Python и хочет встроить разметку говорящих в свой проект.
Для начала можно использовать предобученный конвейер community-1: он работает локально, но требует принять условия использования модели и создать токен Hugging Face. В сравнении с прежним конвейером 3.1 у него улучшены определение количества говорящих и отнесение реплик к говорящим. Если нужен контроль над отдельными этапами обработки, в библиотеке есть нейросетевые компоненты для поиска речи, смены говорящего и одновременной речи.

- Размечает, кто и когда говорит.

- Обнаруживает речь и смену говорящего.

- Выявляет одновременную речь.

- Строит векторные представления говорящих.

- Позволяет дообучать модели на своих данных.

Конвейеры принимают точное или примерное число говорящих через параметры num_speakers, min_speakers и max_speakers; для community-1 также показано отслеживание прогресса. Предобученные модели и конвейеры доступны через Hugging Face Model Hub, а обучение на нескольких GPU поддерживается через PyTorch Lightning.
В библиотеке предусмотрен и премиальный конвейер precision-2: он обрабатывает аудио на серверах pyannoteAI и требует API-ключ. Для него заявлены улучшения точности и скорости относительно community-1, причём сравнение скорости относится к самостоятельно размещённой версии precision-2.
pyannote.audio и community-1 представлены как решения с открытым исходным кодом; для pyannoteAI упомянуты бесплатные кредиты, но их размер и условия платного использования не указаны. Перед локальным запуском community-1 потребуется установить ffmpeg для декодирования аудио через torchcodec. Если планируете учиться по материалам репозитория, учитывайте, что они написаны для прежних версий библиотеки и требуют обновления.

## Похожие сервисы в каталоге

- [TADA](https://ailibri.com/tada): Открытая модель TADA для синтеза речи от Hume AI. Синхронизирует текст и аудио 1:1, обеспечивая быструю генерацию без галлюцинаций и пропусков контента.
- [Audio-Omni](https://ailibri.com/audio-omni): Audio-Omni - первая end-to-end система для понимания, генерации и редактирования аудио. Объединяет работу со звуком, музыкой и речью через мультимодальную языко
- [MLX-Audio](https://ailibri.com/mlx-audio): Библиотека для синтеза и распознавания речи, обработки аудио и генерации музыки на Mac с Apple Silicon.
- [DeepSeek](https://ailibri.com/deepseek): DeepSeek — китайская платформа для общения с AI-моделями. Бесплатный чат, мобильное приложение и недорогой API. Модель DeepSeek-V4.1 Flash с режимом рассуждений, пониманием картинок и поиском.
- [Fish Audio](https://ailibri.com/fish-audio): ИИ-сервис для преобразования текста в речь и клонирования голоса. Более 2 млн голосов, управление эмоциями, 30+ языков. Попробуйте бесплатно!
- [Superagent](https://ailibri.com/superagent): AI-сервис Superagent автоматически находит, исправляет и раскрывает уязвимости в коде и агентах с доставкой исправлений через PR. Бесплатно для open source.

---
Источник: AILibri — каталог нейросетей и ИИ-инструментов, https://ailibri.com