Python实时说话人Diarization免费方案咨询及Mac M1安装问题解决

• 先通过Homebrew安装编译依赖：

  brew install openblas cmake
  

• 设置环境变量，让pip编译时找到OpenBLAS：

  export OPENBLAS=/opt/homebrew/opt/openblas/lib/libopenblas.dylib
  export CFLAGS="-I/opt/homebrew/opt/openblas/include"
  export LDFLAGS="-L/opt/homebrew/opt/openblas/lib"
  

• 重新编译安装hmmlearn后再安装Diart：

  pip install hmmlearn --no-binary :all:
  pip install diart
  

如果上述方法无效，改用conda安装预编译的hmmlearn版本：

conda install -c conda-forge hmmlearn
pip install diart

1. Pyannote.audio #

基于PyTorch的开源库，支持实时说话人分割与 diarization，无hmmlearn依赖。适配双用户场景的流程：

• 获取预训练的SpeakerSegmentation和SpeakerEmbedding模型（需同意学术使用协议）
• 对WebSocket传入的音频流按固定帧长切割
• 用分割模型检测语音边界，结合embedding模型提取特征，通过简单聚类区分两个用户

2. Webrtcvad + SpeechBrain #

轻量级组合方案，适合资源有限的后端：

• 用webrtcvad过滤音频流中的非语音片段
• 用SpeechBrain的预训练说话人识别模型提取语音段的特征向量
• 针对双用户场景，用阈值判断区分不同说话人的特征，实现实时区分

3. TorchAudio实时说话人分割 #

TorchAudio内置轻量级实时说话人分割工具，基于预训练MLP模型：

• 直接处理流式音频，输出每帧对应的说话人标签
• 无需额外复杂依赖，适合快速搭建双用户实时区分功能

内容的提问来源于stack exchange，提问作者Faris