ggml-org/whisper.cpp

whisper : mark speakers/voices (diarization)

开放

#64 创建于 2022年10月18日

在 GitHub 查看贡献者指南
 (49 条评论) (40 个反应) (1 位负责人)C++ (6,083 个派生)batch import
enhancementgood first issue

仓库指标

星标
 (53,061 个星标)
PR 合并指标
 (平均合并 5天 20小时) (30 天内合并 36 个 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

贡献者指南

研究方向
研究现有的说话人日记化技术，评估与当前 whisper.cpp 架构集成的可行性。查看模型的功能以及问题中的先前讨论，寻找潜在方法。
技术栈
cpp
领域
backendmachine learning
议题类型
功能
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
4
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
超过 1 周
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
活跃
清晰度议题是否清楚说明期望改动、验收标准和下一步。
基本清晰
前置要求
C++machine learningaudio processing
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
20