FASTDIAR

FASTDIAR

在音频文件或麦克风实时流播放的同时标注谁在说话，延迟约一秒。适合做说话人分离的语音开发者和研究者的演示。

由 herimor 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：FASTDIAR 是流式说话人分离的在线演示，也就是判断谁在什么时候说话。它的做法是把逐帧工作的说话人编码器和在线聚类结合起来。你可以添加音频文件，也可以使用麦克风。

页面上的波形会为每个说话人变色，标签在音频播放后大约一秒才稳定下来。按下 Stop 后，你可以把结果下载成 RTTM 文件。

适合谁：适合想在自己的音频上看看流式说话人分离效果的语音开发者和研究者。

行业 | 谁在用 | 怎么用 | 例子
语音技术 | 开发者 | 在基于它开发之前试试实时说话人标签 | 对着麦克风说话并观察颜色变化
研究 | 说话人分离研究者 | 检查音频流入时标签如何稳定下来 | 播放一个录音文件并查看输出
会议和媒体 | 有录音的团队 | 查看录音里谁在什么时候说话 | 按下 Stop 后下载 RTTM

如果你只需要文字稿，可以跳过它，因为这个演示只标注说话人，不会写出他们说了什么。

用在哪里：

• 网页浏览器：打开 Hugging Face 上这个 Space 的页面，无需安装任何东西
• 装有 Python 的 Windows、macOS 或 Linux：用你下载的副本运行

用例 | 谁用 | 得到什么
给文件标注说话人 | 研究人员 | 按说话人着色的波形
实时标注说话人 | 开发者 | 比音频晚约一秒稳定下来的颜色
导出标签 | 分析人员 | 按下 Stop 后得到的 RTTM 文件

如何设置：

• 你电脑上的 Python 3.12
• requirements.txt 里列出的 Python 包
• Space 启动时需要联网，因为代码和检查点会在那时获取
• huggingface_hub 包，它提供 hf 命令

1. 安装 huggingface_hub 包。
2. 用 hf 命令下载这个 Space。
3. 进入下载好的文件夹。
4. 安装指定版本的 Gradio。
5. 安装 requirements.txt 里的包。
6. 用 Python 启动应用。

pip install -U huggingface_hub
hf download herimor/fastdiar --repo-type space --local-dir fastdiar
cd fastdiar
pip install gradio==6.28.0
pip install -r requirements.txt
python app.py

如何使用：在浏览器里打开这个 Space 的页面，或者用下面的命令启动你自己的副本。添加一个音频文件或打开麦克风，观察颜色出现，然后按下 Stop 获取 RTTM 下载。

python app.py

示例：你和朋友一起对着麦克风说话。页面上的波形会按说话人变色，按下 Stop 之后，你可以把标签下载成 RTTM 文件。

新手与专家：如果你刚接触说话人分离，先试一段有两个人声音的短录音。颜色的变化显示了模型认为说话人在哪里切换。

如果你懂这个领域，这个演示在 CPU 上运行 large 模型。它的代码从项目的 GitHub 仓库安装，检查点在 Space 启动时从该项目的发布版本下载。输出比音频晚约一秒，因为标签要在短暂延迟之后才确定。

你添加文件或使用麦克风
说话人编码器读取每一帧
在线聚类分配说话人
颜色出现，Stop 提供 RTTM

注意事项：

• 许可证：Space 标注的是 mit
• 运行成本：来源没有提到
• 触及的数据：你添加或录制的音频，以及它启动时从项目的 GitHub 仓库获取的代码和检查点
• 不适合：语音转文字，因为它标注说话人，不做转写

Hugging Face 上的数据（2026年11月13日）

• 点赞：3
• 构建方式：gradio
• 许可证：mit

链接

• Space：https://huggingface.co/spaces/herimor/fastdiar
• 文件：https://huggingface.co/spaces/herimor/fastdiar/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。