Диаризованная транскрипция.
Каждый спикер — по имени.
От записи встречи или файла звонка к полностью атрибутированной транскрипции — распознавание речи, диаризация и идентификация спикеров, собранные в один пайплайн на устройстве. Никаких облачных API, никакой оплаты по минутам, никакие данные не покидают устройство.
Четыре формы одного пайплайна.
Каждая форма соединяет ASR + диаризатор + опциональное хранилище идентификации спикеров. Компоненты взаимозаменяемы; выбор зависит от источника аудио и бюджета задержки.
Атрибуция «Алиса сказала…» / «Боб сказал…» из одного экспорта Zoom.
Реплики оператора и клиента, сентимент по спикерам, на устройстве ради комплаенса.
Ведущий и гости идентифицируются на протяжении эпизода, с пословной разметкой времени.
Атрибуция уровня суда — аудио не покидает устройство.
Распознайте слова и просмотрите сегменты спикеров.
После установки CLI на Apple Silicon используйте отдельные команды для расшифровки записи и просмотра сегментов спикеров.
Выведите распознанный текст в терминал.
speech transcribe meeting.wavПросмотрите метки спикеров и временные интервалы в JSON или используйте --rttm для формата RTTM.
speech diarize meeting.wav --jsonЭти команды возвращают отдельные результаты. Они не создают расшифровку с метками спикеров и не сопоставляют голоса с зарегистрированными образцами.
Сохраните отдельную текстовую расшифровку для каждой записи WAV в папке:
speech transcribe-batch recordings/ --extensions wav --output-dir transcripts/