Голос: спикеры и звукРечь в текст

pyannote (диаризация)

Самый распространённый открытый инструмент, который размечает запись по спикерам: кто и когда говорил. Обычно ставится в связку с распознаванием речи. Веса выдаются после короткой анкеты на HF.

Разработчик
pyannoteAI (Эрве Бредин), Франция
Первый выпуск
мар 2022
Последний выпуск
сен 2025
Размеры
несколько миллионов параметров
Лицензия
Можно в коммерциюMIT (2.x, 3.0, 3.1), CC-BY 4.0 (community-1); скачивание после согласия с условиями на HF
Запуск
Через свой серверРаботает и без видеокарты
Сферы
Поддержка клиентов, Юристы, HR, Медиа и продакшн
Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

  • Разметка звонков: где оператор, где клиент
  • Протоколы совещаний с подписью спикеров
  • Подготовка записей к расшифровке и анализу

Где применяется

Колл-центры и отделы продажЮристы и HR (интервью, переговоры)Медиа и подкасты

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии
подходит
1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии
нет версий
КластерСервер с несколькими видеокартами — флагманские версии
нет версий

Версии

  1. speaker-diarization-community-1
  2. speaker-diarization-3.1
  3. speaker-diarization-3.0
  4. speaker-diarization 2.x

Как запустить

На своём сервереВеса скачиваются с Hugging Face, запуск — через vLLM (нагрузка и API) или llama.cpp (скромное железо). Так модель работает в закрытом контуре, без оплаты за запросы.Hugging Face
Сколько нужно железаПосчитайте видеопамять под нужный размер модели, контекст и число одновременных запросов.Открыть калькулятор железа

Ставлю и настраиваю под ключ: подберу размер модели, разверну на вашем сервере, подключу к вашим системам.

Частые вопросы

Можно ли использовать pyannote (диаризация) в коммерческом проекте?

Да. Лицензия: MIT (2.x, 3.0, 3.1), CC-BY 4.0 (community-1); скачивание после согласия с условиями на HF. Это разрешает коммерческое использование, но перед запуском лицензию всё равно стоит показать юристу.

Какое железо нужно для pyannote (диаризация)?

Минимум: Ноутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии. Есть версии, которые работают и без видеокарты, на обычном процессоре. Точный объём видеопамяти под ваш размер модели и контекст можно посчитать в калькуляторе железа.

Поддерживает ли pyannote (диаризация) русский язык?

Для этой модели язык не важен: она работает не с текстом.

Где скачать pyannote (диаризация) и сколько это стоит?

Веса pyannote (диаризация) лежат в открытом доступе и скачиваются бесплатно. Платить нужно только за железо, на котором модель работает, и за настройку. Ссылки на первоисточник — в конце страницы.

Как внедряю у заказчика

  1. ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
  2. УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
  3. ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
  4. ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.

Сравнения

Статьи по теме

Похожие модели

Голос: спикеры и звукNVIDIA Sortformer / TitaNetNVIDIA · СШАКоммерция с условиями

Модели NVIDIA для задачи «кто говорит»: TitaNet узнаёт голос конкретного человека, Sortformer размечает запись до 4 спикеров, в том числе потоково во время звонка.

ПодробнееГолос: спикеры и звукWeSpeakerСообщество WeNet · КитайМожно в коммерцию

Набор готовых моделей «голосового отпечатка»: сравнивает, один ли человек говорит в двух записях, и помогает делить запись по спикерам. Одна из моделей встроена в pyannote 3.x.

ПодробнееРечь в текстWhisperOpenAI · СШАМожно в коммерцию

Распознавание речи на 99 языках, включая русский. Стандарт де-факто для расшифровки звонков и встреч. Ускоренные Distil-Whisper от Hugging Face — только для английского.

Подробнее

Источник: huggingface.co/api/models/pyannote/speaker-diarization-community-1. Данные сверены с карточкой модели 22.09.2026. Лицензию перед коммерческим запуском проверьте с юристом.