0. 效果演示

演示音频分割功能可以访问 https://www.bilibili.com/video/BV1oxrcYuELK
演示视频分割功能可以访问 https://www.bilibili.com/video/BV1xYweeKEvZ
如果是不懂代码的人想要使用本项目，可以使用我打包好的程序，我是在Windows 11系统上打包的，不确定Windows其它版本是否能用，如果是非Windows系统，请使用源码方式运行。
点击这里跳转到打包好的可执行程序

1. 说明

这是基于开源的 FunASR 实现的说话人分离的 GUI 项目，可以在支持图形界面中的任意 PC 端运行
要求 python version >= 3.8
支持运行在 Windows、MacOS、Linux 系统
本项目适合个人电脑使用，如果要在生产服务器中部署，并且需要并发处理，可到我博客中联系我

2. 开发日志

2023-11-14 对选择的多个音频分离不同的人声
2024-01-04 保存每个说话人对应的内容
2024-01-09 增加合并相同说话人功能
2024-01-22 增加视频切片功能
2024-02-25 新增允许控制每个音频片段切割的字符数

3. 安装

执行下面命令来安装依赖

pip install -U funasr modelscope ffmpeg-python pydub

此外还需要安装 torch，可以到 torch 官方中根据自己电脑情况安装不同版本的 torch
安装 ffmpeg，可以到 github 中搜索 ffmpeg，下载解压后，配置环境变量
如果不会安装 torch 和 ffmpeg，可以参考我之前发布到博客中的一篇文章。

4. 功能

1. 支持对指定的单个或者多个音频中不同的说话人讲的话进行分离，分别归类到不同的目录中
2. 保存每个说话人对应的包含时间戳的文本内容
3. 支持视频切片，根据说话人声音进行视频切片

5. 模型下载

执行下面程序，会自动下载模型到当前用户 .cache/modelscope/hub/models/iic/ 目录中

python download_model.py

6. 联系

可以添加交流群 746213237
个人技术分享博客：https://blog.lukeewin.top
如果是小白，不懂代码，可以点击这里