Startseite Projekte diart
diart
Python

diart

Ein Python-Paket zum Erstellen von KI-gestützten Echtzeit-Audioanwendungen

von juanmc2005 · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Kategorie
Sprache
deep-learningreal-timespeaker-diarizationMITPython
Auf GitHub ansehen
In einfachen Worten

Erstelle Echtzeitanwendungen für Audio, die verschiedene Sprecher während Gesprächen erkennen.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
diart — GitHub preview card
📈 Sternhistorie
2 0022 001
2026-07-202026-08-31
📈 diart verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Ein Python-Paket zum Erstellen von KI-gestützten Echtzeit-Audioanwendungen

diart hat 2k Sterne auf GitHub. Es wurde 164-mal geforkt. diart ist hauptsächlich in Python geschrieben. Es wird seit 2021 aktiv entwickelt. diart ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: deep-learning, real-time, speaker-diarization, speaker-embedding.

Frequently asked questions

Was ist diart?

Ein Python-Paket zum Erstellen von KI-gestützten Echtzeit-Audioanwendungen

Ist diart Open Source?

diart ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist diart kostenlos?

Ja. diart ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht diart?

diart ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist diart geschrieben?

diart ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — diart

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=juanmc2005-diart)](https://olud.ai/project/juanmc2005-diart.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.