SoulX-Transcriber

SoulX-Transcriber 是一个用于多说话人转录的端到端框架，能够同时识别谁在说话、何时说话以及说了什么。该项目采用统一的模型架构，直接学习说话人归属、时间戳分割和语音转文字，适用于多人对话场景，特别是在存在重叠或快速转换的对话中表现出色。基于 Python 语言开发，并且支持 Apache License 2.0 开源协议，SoulX-Transcriber 在 AISHELL-4 和 AliMeeting 基准测试上展示了先进的性能，能生成包含时间戳、说话人标签及文本内容的一体化输出结果，非常适合需要高精度多说话人转录的应用环境，如会议记录、播客分析等。