使用场景
研究人员使用DiariZen对会议录音进行说话人分割，以分析会议中的发言模式。
安全机构利用DiariZen对监控录音进行处理，以识别和追踪特定个体。
开发者将DiariZen集成到他们的应用程序中，提供实时的说话人识别功能。
产品特色
基于AudioZen和Pyannote 3.1，提供高效的说话人分割功能。
支持多种公共数据集，如AMI、AISHELL-4和AliMeeting，用于模型训练和评估。
提供预训练模型和估计的RTTM文件，方便用户直接使用。
支持使用WavLM Base+和ResNet34-LM模型进行说话人分割。
提供详细的安装和使用说明，方便用户快速上手。
开源代码，允许用户根据需要进行定制和优化。
使用教程
1. 创建虚拟Python环境并激活。
2. 安装DiariZen及其依赖项。
3. 下载并准备所需的数据集。
4. 下载预训练的模型，如WavLM Base+和ResNet34-LM。
5. 修改数据集和配置文件的路径。
6. 运行提供的脚本进行说话人分割。
7. 分析结果，根据需要进一步处理或可视化分割后的音频数据。
