你能构建什么
同一条流水线的四种形态。
每种形态都把一个 ASR + 一个说话人分离器 + 可选的说话人识别注册库串起来。组件可互换；具体选哪个,取决于音频来源和延迟预算。
会议纪要
只需一份 Zoom 导出文件,就能得到「Alice 说……」/「Bob 说……」的归属。
呼叫中心分析
坐席与来电方的轮次、按说话人分情绪,端侧运行以满足合规。
播客转录
整集中识别主持人与嘉宾,带词级时间戳。
法律/采访记录
法庭级归属,音频从不离开设备。
快速开始
转写语音并查看说话人片段。
在 Apple Silicon 上安装 CLI 后，使用独立命令转写录音并查看说话人片段。
在终端中显示识别出的文字。
speech transcribe meeting.wav以 JSON 查看说话人标签和时间范围，也可使用 --rttm 输出 RTTM。
speech diarize meeting.wav --json这些命令分别返回结果，不会生成带说话人标签的转录稿，也不会匹配已注册的声音。
将文件夹中的每个 WAV 录音保存为一份纯文本转录稿：
speech transcribe-batch recordings/ --extensions wav --output-dir transcripts/深入阅读