Unifica la diarización de hablantes, la transcripción y el reconocimiento en un único flujo de trabajo.
Combina la diarización, la transcripción y el reconocimiento de hablantes con nombres reales y marcas de tiempo.
Speechlib es una biblioteca de Python que fusiona la diarización de hablantes, motores de ASR y el reconocimiento de voz en un único flujo para conversaciones de audio. Está pensada para desarrolladores y profesionales clínicos que crean flujos de trabajo de procesamiento de audio local y necesitan un etiquetado de hablantes preciso con marcas de tiempo.
La biblioteca integra herramientas como PyAnnote, Faster-Whisper y SpeechBrain para procesar archivos de audio y generar transcripciones que contienen nombres de hablantes reales y marcas de tiempo precisas. También incluye funciones de preprocesamiento de audio y es compatible con motores personalizados intercambiables para ASR, diarización y reconocimiento.
Está dirigida a desarrolladores de Python y creadores de tecnología para salud mental que necesitan control programático sobre flujos de transcripción de audio local con mapeo de hablantes conocidos. No es adecuada para usuarios no técnicos que busquen una aplicación de escritorio lista para usar o un servicio en la nube sin necesidad de escribir código.
Combina diarización, ASR y reconocimiento de hablantes en un único script.
Compatible con Faster-Whisper, OpenAI Whisper, HuggingFace y AssemblyAI.
Mapea las etiquetas de diarización a nombres reales utilizando subcarpetas de audio de referencia.
Permite integrar modelos personalizados de diarización, reconocimiento o ASR.
Gratis bajo su licencia, más los costes de API que correspondan si decides usar proveedores de transcripción en la nube como AssemblyAI. El único otro coste es ejecutarlo por tu cuenta en hardware local o infraestructura de GPU.
880 puestos remotos abiertos de entrenamiento de IA, actualizados el 16 de noviembre de 2026; la mayoría paga $20–$175 por hora. 25 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Sí, puedes usar CustomWhisperASR para cargar puntos de control de modelos locales afinados.
Si no proporcionas una carpeta de voces, los hablantes se etiquetan automáticamente con nombres anónimos como SPEAKER_00 y SPEAKER_01.
Ve Zekai primero en Google