Спикеров рядом с Whisper разделяют отдельной моделью. pyannote.audio ставится командой `pip install pyannote.audio`, нужны ffmpeg и токен Hugging Face для пайплайна speaker-diarization-community-1. Готовый вариант — WhisperX с флагом `--diarize`. Записи с разметкой «Спикер 1» без кода расшифровывает бот potok_now_bot, диктовку даёт Поток (potok.now).
Разметку по спикерам рядом с Whisper добавляют отдельным шагом. Ниже три способа, о которых пишут проекты pyannote.audio, WhisperX и whisper.cpp; команды взяты из их README.
Как подключить pyannote к Whisper для разделения спикеров
pyannote.audio ставится командой pip install pyannote.audio или uv add pyannote.audio, нужен ffmpeg. До первого запуска примите условия пайплайна pyannote/speaker-diarization-community-1 на Hugging Face и создайте токен на hf.co/settings/tokens. Модель работает локально: сначала загружается пайплайн с указанием токена, затем он переносится на видеокарту, запускается на файле, а результат читается по говорящим. WhisperX склеивает Whisper и диаризацию: добавьте флаг --diarize, токен передайте через --hf_token. В whisper.cpp есть экспериментальный режим tinydiarize: скачивается отдельная модель small.en-tdrz, запуск идёт с флагом -tdrz, а в выводе при смене говорящего появляется метка [SPEAKER_TURN]. Число спикеров WhisperX можно подсказать флагами --min_speakers и --max_speakers. Что такое диаризация, объясняет статья про диаризацию.
Примеры команд
- Загрузка пайплайна pyannote:
Pipeline.from_pretrained("pyannote/speaker-diarization-community-1", token="HUGGINGFACE_ACCESS_TOKEN"). - Запуск на видеокарте и на файле:
pipeline.to(torch.device("cuda")), затемoutput = pipeline("audio.wav"); результат читают циклом поoutput.speaker_diarization. - Подсказки WhisperX о числе спикеров:
--min_speakers 2и--max_speakers 2. - tinydiarize в whisper.cpp: модель
./models/download-ggml-model.sh small.en-tdrzи флаг-tdrz; в выводе появится[SPEAKER_TURN].
- Платформы
- Windows, macOS, Linux
- Бесплатно
- Free: 2500 слов в неделю; первые 14 дней — полный доступ без карты
- Pro
- Pro 690 ₽/мес, 499 ₽/мес при оплате за год
- Оплата
- российские карты, рубли
- Где распознаётся речь
- облако, серверы в России; нужен интернет
«Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает. Скачать: potok.now/download
Где диаризация не справляется
У WhisperX перекрывающаяся речь распознаётся плохо, а сама диаризация, по словам авторов, far from perfect. tinydiarize отмечает только смену говорящего, пример в README дан на английской модели, режим экспериментальный. Есть и платный вариант, pyannoteAI precision-2, ключ создают на dashboard.pyannote.ai. Если кода писать не хочется: Telegram-бот potok_now_bot расшифровывает записи, разметку «Спикер 1», «Спикер 2» в нём можно включить, но имён говорящих бот не знает. Одна подписка — приложение для диктовки и этот бот. Поток — облачный сервис, распознавание на серверах в России; без интернета не работает. Подробнее о расшифровке с разметкой — в разделе про спикеров.
Частые вопросы
Принять условия пайплайна pyannote/speaker-diarization-community-1 на Hugging Face и создать токен на hf.co/settings/tokens. Нужен также ffmpeg. Работает pyannote локально.
Флагами `--min_speakers 2` и `--max_speakers 2`, а токен передают через `--hf_token`. Диаризацию включает флаг `--diarize`.
На сайте potok.now собраны обобщённые отзывы, отражающие типичный опыт пользователей; в маркетинговых материалах они не выдаются за отзывы конкретных людей с именами.
Нет. «Поток» (potok.now) — это десктопное приложение для голосового ввода текста на Windows, macOS и Linux: зажал хоткей, продиктовал, текст вставился в активное поле. К инвестиционным сервисам или финансовым платформам с похожим названием отношения не имеет.
Скачайте последнюю версию с официальной страницы potok.now/download и переустановите приложение: установщик со стороннего сайта может быть изменён. Если не помогло — напишите в поддержку: support@potok.now или в Telegram https://t.me/ai23c.
Отдельного расширения для браузера у Потока нет: это десктопное приложение, которое работает поверх любого окна и поля ввода, включая браузер, — а не отдельный плагин.
Как начать
«Поток» есть для Windows, macOS и Linux. Две недели всё открыто бесплатно, дальше — 2500 слов в неделю без оплаты. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»Голосовое из мессенджера или запись созвона можно переслать боту @potok_now_bot — он пришлёт текст. Бот входит в ту же подписку, что и приложение «Поток».
Встроенная диктовка и «Поток»
| Средство | Где работает | Русский язык | Где распознаётся речь |
|---|---|---|---|
| Голосовой ввод Windows (Win+H) | Windows 10 и 11 | только в Windows 11 | облако Microsoft, без интернета не работает |
| Диктовка macOS | macOS | есть | на устройстве или на серверах Apple |
| Поток | Windows, macOS, Linux | основной язык | облако, серверы в России, без интернета не работает |
| Задача | Знаков | Печать (200 зн/мин) | Голос (900 зн/мин) |
|---|---|---|---|
| ответ в чате | 300 | 2 мин | 0.5 мин |
| письмо | 1500 | 8 мин | 1.7 мин |
| пост или протокол | 4000 | 20 мин | 4.4 мин |
| статья | 10000 | 50 мин | 11.1 мин |
Первоисточники: support.microsoft.com · support.apple.com