DialogScribe: транскрибатор на GigaAM
Микробиблиотека для транскрипции аудио/видео с диаризацией спикеров на базе GigaAM и pyannote.
privacy
Эта заметка участвует в semantic memory.
AI Summary
DialogScribe — это Python-библиотека и CLI-инструмент для транскрипции аудио и видео файлов на базе модели GigaAM (Salute Developers) с опциональной диаризацией спикеров через pyannote. Поддерживает файлы любой длительности, пакетную обработку, вывод в форматы TXT/JSON/SRT/VTT и интеграцию через простой Python API. Для диаризации требуется HuggingFace токен и доступ к моделям pyannote/segmentation-3.0 и pyannote/speaker-diarization-3.1. Установка включает клонирование GigaAM, установку зависимостей и настройку HF_TOKEN. Основной класс GigaAMTranscriber позволяет указывать модель (v3_e2e_rnnt рекомендуется), устройство (auto/cuda/cpu), режим диаризации (none/pyannote/hybrid), количество спикеров и параметры сегментации. Результаты доступны через TranscriptionResult с методами to_txt/to_json/to_srt/to_vtt и фильтрацией по спикерам. CLI поддерживает команды gigaam-transcribe и gigaam-batch. Проект имеет модульную структуру, тесты и MIT-лицензию.