小规模会议场景（小于 10 人）下的说话人分割，希望能流式处理，请问什么模型延迟和准确性比较好呢？
提前感谢大佬回复！
（目前试过 funasr 的 cam++，分割效果不太好）
This topic created in 763 days ago, the information mentioned may be changed or developed.
 |
1
jr55475f112iz2tu May 6, 2024
|
 |
2
q0000001 May 6, 2024 via Android
多嘴问问，funasr 可以流式识别说话人？
|
 |
3
BMPixel May 7, 2024
我之前自己试了几个，WhisperX 效果是最好的，不过好像不能流式。
|
|
6
q0000001 May 7, 2024
@Leon6868 我也看到有，但是基本上都是非实时语音识别才有加载 cam++，看到 issue 里面说流式没有，所以一直没看到。
能再问问你是用 paraformer-zh-streaming 这个，再加载 cam++吗？ |
 |
7
roding May 7, 2024
为什么要分割人😱
|
 |
8
Leon6868 OP @q0000001 #6 我描述得确实不太准确，当时是采用滑窗方式分割说话人的，类似 3s 历史+2s(未处理）这样（迫真流式）。我也没找到近期实时说话人识别/分割的工作，如果见到类似的工作欢迎多交流🙏
|
|
10
Leon6868 OP @q0000001 #9 最近尝试了一个非常好的项目，sherpa onnx ，在 asr 和 说话人分割/识别 方面基本能满足我的需求，你可以试一下
|
Select Language