Транскрибация с разделением спикеров
Транскрибация с разделением спикеров (диаризация) бесплатно и оффлайн. Traart определяет кто что сказал с помощью нейросети pyannote — WER 8.4% для русского языка.
Что такое диаризация спикеров
Под капотом работает pyannote audio — открытая библиотека speaker diarization, версия 3.1. Ставить её отдельно не нужно: Traart несёт модель внутри и запускает локально.
Диаризация — это технология автоматического определения, кто из участников разговора произнёс каждую реплику. Вместо сплошного текста вы получаете структурированный протокол с указанием спикеров.
Без диаризации
Давайте обсудим релиз. Я думаю нужно перенести дату. Нет, мы уже обещали клиентам. Тогда уберём фичу X из скоупа. Согласен, давайте так.
Кто предложил перенести? Кто согласился? Непонятно.
С диаризацией в Traart
[Спикер 1, 00:12] Давайте обсудим релиз. Я думаю нужно перенести дату.
[Спикер 2, 00:18] Нет, мы уже обещали клиентам.
[Спикер 1, 00:25] Тогда уберём фичу X из скоупа.
[Спикер 3, 00:31] Согласен, давайте так.
Каждая реплика привязана к спикеру и таймкоду.
Как работает разделение спикеров в Traart
Сегментация аудио
Нейросеть pyannote анализирует аудиопоток и определяет границы речевых сегментов — где начинается и заканчивается каждая реплика.
Кластеризация голосов
Каждый сегмент получает голосовой отпечаток (embedding). Модель группирует сегменты с похожими голосами — так определяется количество спикеров и их реплики.
Распознавание речи GigaAM v3
Каждый речевой сегмент транскрибируется SOTA-моделью GigaAM v3 с WER 8.4% для русского языка. Результат — текст с разметкой спикеров.
Результат: структурированный протокол
Вы получаете текст с пометками [Спикер 1], [Спикер 2] и таймкодами. Всё обрабатывается локально на вашем Mac — ни байта данных не уходит в облако.
Где нужна транскрибация с разделением спикеров
Совещания и встречи
Протоколы Zoom, Teams, Google Meet с указанием кто принял решение, кто предложил идею, кто поставил задачу.
Интервью и CustDev
Разделение реплик интервьюера и респондента. Удобно для анализа ответов и цитирования.
Подкасты
Show notes с разделением реплик ведущего и гостей. Готовый Markdown для публикации.
Диаризация: Traart vs конкуренты
| Параметр | Traart | Otter.ai | TurboScribe | MacWhisper |
|---|---|---|---|---|
| Диаризация | Бесплатно | $8.33/мес | $9.99/мес | Нет |
| Русский язык | WER 8.4% | Не поддерживает | WER ~15% | WER ~25% |
| Оффлайн | Да | Нет | Нет | Да |
| Модель диаризации | pyannote 3.1 | Проприетарная | Whisper + custom | -- |
Технические детали
pyannote 3.1
Traart использует pyannote 3.1 — открытую нейросеть для диаризации спикеров от CNRS (Франция). Модель работает с любым количеством спикеров и не требует предварительного обучения на голосах.
Apple Silicon
Диаризация оптимизирована для процессоров M1/M2/M3/M4. Часовая запись обрабатывается за 3-5 минут на Apple Silicon. На Intel — за 8-12 минут.
Автоматическое определение числа спикеров
Не нужно указывать количество участников заранее. pyannote автоматически определяет, сколько голосов в записи — от 2 до 20+.
Обработка перекрытий
Когда два спикера говорят одновременно, pyannote определяет оба голоса и размечает перекрывающиеся сегменты. GigaAM расшифровывает основной голос.
Транскрибация с диаризацией — бесплатно
Определение спикеров, таймкоды и SOTA-качество расшифровки. Оффлайн на вашем Mac.
Скачать бесплатноАвтор Traart — Александр Курогло, разработчик и автор open-source-проектов в области распознавания русской речи. Об авторе
Под капотом — собственный STT-движок (speech-to-text) на базе ASR-модели GigaAM v3 (архитектура RNNT, WER 8.4% на русском) и диаризации pyannote 3.1. Локальная обработка voice-to-text на Apple Silicon — альтернатива облачному распознаванию речи (Whisper, Yandex SpeechKit, Google STT) без отправки данных.