whisper-diarization — AI 语音识别工具中文文档
经 AI Skill Hub 精选评估，whisper-diarization — AI 语音识别工具中文文档 获评「强烈推荐」。已获得 5.5k 颗 GitHub Star，这款AI工具在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 9.0 分，适合有一定技术背景的用户使用。
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
whisper-diarization — AI 语音识别工具中文文档 依赖 Jupyter 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Jupyter 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 whisper-diarization — AI 语音识别工具中文文档 的版本更新，及时通知重要功能变化。
whisper-diarization — AI 语音识别工具中文文档 是一款基于 Jupyter Notebook 开发的开源工具，专注于 asr、speaker-diarization、speech 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
whisper-diarization — AI 语音识别工具中文文档 是一款基于 Jupyter Notebook 开发的开源工具，专注于 asr、speaker-diarization、speech 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
# 克隆仓库 git clone https://github.com/MahmoudAshraf97/whisper-diarization cd whisper-diarization # 查看安装说明 cat README.md # 按 README 完成环境依赖安装后即可使用
- 访问 GitHub 仓库页面
- 按照 README 文档完成依赖安装
- 根据系统环境完成初始化配置
- 参考官方示例或文档开始使用
- 遇到问题可在 GitHub Issues 中查找解答
# 查看帮助 whisper-diarization --help # 基本运行 whisper-diarization [options] <input> # 详细使用说明请查阅文档 # https://github.com/MahmoudAshraf97/whisper-diarization
# whisper-diarization 配置说明 # 查看配置选项 whisper-diarization --config-example > config.yml # 常见配置项 # output_dir: ./output # log_level: info # workers: 4 # 环境变量（覆盖配置文件） export WHISPER_DIARIZATION_CONFIG="/path/to/config.yml"
简介
Speaker Diarization Using OpenAI Whisper
<p align="center"> <a href="https://github.com/MahmoudAshraf97/whisper-diarization/actions/workflows/test_run.yml"> <img src="https://github.com/MahmoudAshraf97/whisper-diarization/actions/workflows/test_run.yml/badge.svg" alt="Build Status"> </a> <a href="https://github.com/MahmoudAshraf97/whisper-diarization/stargazers"> <img src="https://img.shields.io/github/stars/MahmoudAshraf97/whisper-diarization.svg?colorA=orange&colorB=orange&logo=github" alt="GitHub stars"> </a> <a href="https://github.com/MahmoudAshraf97/whisper-diarization/issues"> <img src="https://img.shields.io/github/issues/MahmoudAshraf97/whisper-diarization.svg" alt="GitHub issues"> </a> <a href="https://github.com/MahmoudAshraf97/whisper-diarization/blob/master/LICENSE"> <img src="https://img.shields.io/github/license/MahmoudAshraf97/whisper-diarization.svg" alt="GitHub license"> </a> <a href="https://twitter.com/intent/tweet?text=&url=https%3A%2F%2Fgithub.com%2FMahmoudAshraf97%2Fwhisper-diarization"> <img src="https://img.shields.io/twitter/url/https/github.com/MahmoudAshraf97/whisper-diarization.svg?style=social" alt="Twitter"> </a> </a> <a href="https://colab.research.google.com/github/MahmoudAshraf97/whisper-diarization/blob/main/Whisper_Transcription_%2B_NeMo_Diarization.ipynb"> <img src="https://colab.research.google.com/assets/colab-badge.svg" alt="Open in Colab"> </a> </p> <p align="center"> <a href="https://trendshift.io/repositories/11413" target="_blank"> <img src="https://trendshift.io/api/badge/repositories/11413" alt="MahmoudAshraf97%2Fwhisper-diarization | #9 Repository of the day" style="width: 250px; height: 55px;" width="250" height="55"/> </a> </p>
# Speaker Diarization pipeline based on OpenAI Whisper
<img src="https://github.blog/wp-content/uploads/2020/09/github-stars-logo_Color.png" alt="drawing" width="25"/> Please, star the project on github (see top-right corner) if you appreciate my contribution to the community!
Installation
Python >= 3.10 is needed, 3.9 will work but you'll need to manually install the requirements one by one.
FFMPEG and Cython are needed as prerequisites to install the requirements
pip install cythonsudo apt update && sudo apt install cython3Usage
python diarize.py -a AUDIO_FILE_NAMEIf your system has enough VRAM (>=10GB), you can use diarize_parallel.py instead, the difference is that it runs NeMo in parallel with Whisper, this can be beneficial in some cases and the result is the same since the two models are nondependent on each other. This is still experimental, so expect errors and sharp edges. Your feedback is welcome.
Command Line Options
-a AUDIO_FILE_NAME: The name of the audio file to be processed--no-stem: Disables source separation--whisper-model: The model to be used for ASR, default ismedium.en--suppress_numerals: Transcribes numbers in their pronounced letters instead of digits, improves alignment accuracy--device: Choose which device to use, defaults to "cuda" if available--language: Manually select language, useful if language detection failed--batch-size: Batch size for batched inference, reduce if you run out of memory, set to 0 for non-batched inference
- 构建企业知识库 / RAG 检索应用的团队
- 做语音类 AI 产品的开发者
- 先在测试环境跑通最小用例，再接入生产数据
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- CLI：直接 npm install -g / pip install，命令行调用
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
- +GitHub 5.5k Star，社区高度认可
- +AI Skill Hub 精选推荐
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
该工具使用 BSD-2-Clause 协议，商用场景请仔细阅读协议条款，必要时咨询法律意见。
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ BSD 2-Clause — 极度宽松，几乎可以任意使用，仅需保留版权声明。
AI Skill Hub 点评：whisper-diarization — AI 语音识别工具中文文档 的核心功能完整，质量优秀。对于AI 技术爱好者来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。
| 原始名称 | whisper-diarization |
| 原始描述 | Automatic Speech Recognition with Speaker Diarization based on OpenAI Whisper |
| Topics | asrspeaker-diarizationspeechspeech-recognitionspeech-to-textwhisperstt |
| GitHub | https://github.com/MahmoudAshraf97/whisper-diarization |
| License | BSD-2-Clause |
| 语言 | Jupyter Notebook |
收录时间：2026-05-22 · 更新时间：2026-05-22 · License：BSD-2-Clause · AI Skill Hub 不对第三方内容的准确性作法律背书。