ggml-org/whisper.cpp

whisper : mark speakers/voices (diarization)

Open

#64 opened on 2022年10月18日

GitHub で見る
 (49 comments) (40 reactions) (1 assignee)C++ (5,535 forks)batch import
enhancementgood first issue

Repository metrics

Stars
 (49,693 stars)
PR merge metrics
 (平均マージ 5d 20h) (30d で 36 merged PRs)

説明

Hi,

I'm not so much into the details of whisper or whisper.cpp and I don't know if it is currently even possible with the foundation, but it would be nice if speakers could be marked or speaker-changes / voice-changes.

This would be very handy when processing interviews, radio/tv shows, films, etc.

Kind regards, abelbabel

コントリビューターガイド

調査方針
既存の話者ダイアリゼーション技術を調査し、現在の whisper.cpp アーキテクチャとの統合の実現可能性を評価します。モデルの機能と、問題内のこれまでの議論を確認し、潜在的なアプローチを探ります。
技術スタック
cpp
領域
backendmachine learning
Issue 種別
機能
難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。
4
推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。
1週間超
活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。
アクティブ
明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。
おおむね明確
前提条件
C++machine learningaudio processing
初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。
20