ggml-org/whisper.cpp

whisper : mark speakers/voices (diarization)

Open

#64 建立於 2022年10月18日

在 GitHub 查看
 (49 留言) (40 反應) (1 負責人)C++ (5,535 fork)batch import
enhancementgood first issue

倉庫指標

Star
 (49,693 star)
PR 合併指標
 (平均合併 5天 20小時) (30 天內合併 36 個 PR)

描述

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

貢獻者指南

研究方向
研究現有的說話人日記化技術，評估與當前 whisper.cpp 架構整合的可行性。查看模型的功能以及問題中的先前討論，尋找潛在方法。
技術棧
cpp
領域
backendmachine learning
議題類型
功能
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
4
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
超過 1 週
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
活躍
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
大致清晰
前置要求
C++machine learningaudio processing
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
20