标签
用 transcribe Skill 把会议录音和播客转成可检索文本
2026-08-13 123 阅读 大模型Skills transcribe Agent Skill 语音转文字 说话人分离 OpenAI API

介绍 OpenAI 官方 Agent Skill「transcribe」：基于 gpt-4o-mini-transcribe 与 gpt-4o-transcribe-diarize，将音频/视频转为文本，支持说话人分离与已知说话人提示。文章说明在 Codex、Cursor、Claude Code 中的安装目录与启用方式，并给出捆绑 CLI 的快速转写、diarized_json 输出等可复现示例，以及 25MB 限制、长音频 auto 分块、diarize 模型不支持 prompt 等注意事项。

阅读全文
基于Pytorch实现的说话人日志（说话人分离）
2024-12-22 1044 阅读 语音 Pytorch Pytorch 人工智能 Python 声纹识别 说话人日志 说话人分离

本文介绍了基于Pytorch实现的声纹识别框架（`VoiceprintRecognition_Pytorch`）的说话人日志功能，支持多种先进的模型和数据预处理方法。通过执行`infer_speaker_diarization.py`脚本或使用GUI界面程序，可以对音频进行说话人分离并显示结果。输出包括每个说话人的起止时间和身份识别信息（需先注册）。此外，文章还提供了在Ubuntu系统中解决中文名

阅读全文