📱Voice_Extractor.

Voice_Extractor — инструмент на базе ИИ для извлечения чистых фрагментов речи конкретного говорящего из многоголосых аудиозаписей.

🔹Основные возможности:

🔘Диаризация: определение «кто когда говорит» с помощью PyAnnote.

🔘Детекция наложений: удаление перекрытий голосов.

🔘Идентификация говорящего по эталонному аудио (WeSpeaker).

🔘Разделение звука: извлечение речи из фоновой музыки (Bandit-v2).

🔘Транскрипция: с помощью OpenAI Whisper.

🔘Визуализация: спектрограммы, графики идентификации и верификации.

🔘Вывод: качественные WAV-фрагменты и точные транскрипты.

🧢Используемые технологии:
PyTorch, PyAnnote, Whisper, WeSpeaker, Bandit-v2, SpeechBrain, Silero-VAD, FFmpeg и др.

🔻Быстрый старт:

pip install -r requirements.txt
python run_extractor.py \
  --input-audio path/to/audio.wav \
  --reference-audio path/to/target.wav \
  --target-name "SpeakerName" \
  --token "hf_yourToken"

❗️Требования: NVIDIA GPU с 16GB VRAM.

#Python #VoiceExtractor #SpeechAI #SpeakerDiarization #Whisper #PyAnnote #WeSpeaker #OpenAI #SpeechToText #AudioProcessing #DeepLearning #SpeechSeparation #MLTools #HuggingFace #AudioAI #AI4Audio #ASR

📱Ссылка на репозиторий:
https://github.com/ReisCook/Voice_Extractor

📱Unmute.

Unmute — это система, которая позволяет LLM-моделям слушать голос и отвечать вслух.

🔹Она объединяет:

🔘Speech-to-text (STT) от Kyutai для распознавания речи.

🔘Любую LLM для генерации ответа.

🔘Text-to-speech (TTS) от Kyutai для озвучки ответа.

✅Все модули работают в реальном времени с низкой задержкой. Используй любую LLM — Grok, Mistral, GPT, Claude — всё поддерживается.

❓Как это работает:

🔘Пользователь заходит на сайт Unmute и нажимает Connect.

🔘Голос передаётся на STT-сервер по WebSocket.

🔘Текст передаётся LLM для генерации ответа.

🔘Ответ читается вслух через TTS — и звучит у тебя в браузере.

🔘Можно использовать STT/TTS от Kyutai отдельно: kyutai-labs/delayed-streams-modeling.

✅Отличный инструмент для создания голосовых ассистентов, агентов и просто игр с LLM!

#Unmute #Kyutai #LLM #VoiceAI #SpeechToText #TextToSpeech #AI #Grok #GPT #Mistral #OpenSource #WebSocket #VLLM #AItools #MachineLearning #AIvoice

📱Ссылка на репозиторий:
https://github.com/kyutai-labs/unmute

📱WhisperLiveKit.

WhisperLiveKit — это инструмент для локального распознавания речи в реальном времени прямо в браузере.

🔹Возможности:

🔘Мгновенная транскрибация речи (SimulStreaming, 2025).

🔘Перевод на более чем 100 языков (NLLB).

🔘Разделение голосов по дикторам (Sortformer, Diart).

🔘Определение голосовой активности (Silero VAD).

🔘Работа без облака, всё локально.

🔻Пример использования:

pip install whisperlivekit

# Запуск сервера с моделью "base" и английским языком
whisperlivekit-server --model base --language en

✅Открой браузер на http://localhost:8000, начни говорить — и текст появится в реальном времени!

🔻Подходит для:

🔘Онлайн-конференций и митапов.

🔘Автоматической транскрибации подкастов и видео.

🔘Поддержки доступности для людей с нарушением слуха.

🔘Анализа звонков и работы колл-центров.

#WhisperLiveKit #SpeechToText #AI #ASR #OpenSource #Python #Docker #VoiceAI #ML #Нейросети #Транскрибация #ГолосовойАссистент #Доступность

📱Ссылка на репозиторий:
https://github.com/QuentinFuxa/WhisperLiveKit