使用场景
用于会议记录的自动语音识别和说话人分割
电话客服录音的语音内容分析
法庭记录的语音转写和说话人识别
产品特色
基于 WeNet 框架的语音识别代码
基于 Pyannote 框架的说话人分割代码
提供长形式语音识别和说话人分割的WER和WDER结果
支持通过 Hugging Face Hub 下载模型
提供 Docker 镜像以简化部署
支持在 NVIDIA GPU 上运行以提高性能
提供详细的安装和使用说明
使用教程
1. 确保系统中已安装 Git Large File Storage (LFS)。
2. 使用 HUGGINGFACE_ACCESS_TOKEN 从 Hugging Face Hub 下载模型。
3. 克隆 Reverb 代码库到本地。
4. 设置虚拟环境并激活。
5. 在代码库根目录下，设置环境变量以包含 ASR 目录。
6. 使用 Docker 构建镜像（如果需要）。
7. 运行 Docker 容器（如果使用 Docker 部署）。
8. 按照 README.md 中的说明进行模型推理和评估。
