README.md

metadata

title: Diarization Labeling
emoji: 📣
colorFrom: blue
colorTo: green
sdk: gradio
sdk_version: 4.19.2
app_file: app.py
pinned: false

Vietnamese_Diarization

Kho mã mẫu diarization tiếng Việt dùng pyannote/speaker-diarization-community-1.

Yêu cầu

• Python 3.10+
• ffmpeg (bắt buộc cho torchcodec audio decoding)
• Đã chấp nhận điều khoản model tại https://huggingface.co/pyannote/speaker-diarization-community-1
• Hugging Face access token (dán vào hugging_face_key.txt hoặc đặt biến môi trường HUGGINGFACE_TOKEN/HUGGINGFACE_ACCESS_TOKEN)

Cài đặt nhanh

• Cài thư viện: pip install pyannote.audio gradio yt-dlp hoặc uv add pyannote.audio gradio yt-dlp
• Đảm bảo ffmpeg đã có trong PATH

Chạy Gradio

• Lệnh: python app.py
• Trình duyệt mở tại http://localhost:7860 (hoặc địa chỉ máy chủ nếu chạy từ xa)
• Điền token nếu chưa đặt sẵn, tải file âm thanh hoặc dán URL YouTube/TikTok, chọn thiết bị rồi nhấn Chạy
• Bảng kết quả hiển thị dạng phút:giây; có thể gán nhãn giới tính (nam/nữ), vùng miền (bắc/trung/nam) và transcription, sau đó bấm "Tách và tải" để nhận zip gồm các đoạn WAV và metadata.csv

Chạy mẫu

• Diarization và in kết quả: python infer.py path/to/audio.wav
• Lưu thêm RTTM: python infer.py path/to/audio.wav --rttm outputs/audio.rttm
• Lưu JSON: python infer.py path/to/audio.wav --json outputs/audio.json
• Chọn thiết bị: thêm --device cpu hoặc --device cuda (mặc định auto)

API Python

from app import diarize_file
segments = diarize_file("audio.wav", device="auto")

Cấu trúc

• app.py: API Python và giao diện Gradio
• infer.py: CLI chạy diarization
• src/models.py: Bao gói pipeline pyannote
• src/utils.py: Hỗ trợ đọc token, định dạng kết quả
• hugging_face_key.txt: nơi dán Hugging Face access token (không commit token thật)