多说话者场景

av-diarization是一个用于创建VoxConverse数据集的音视频说话人识别管道，旨在简化多说话者场景下的说话人识别。它结合了高精度的音视频同步技术和多种语音活动检测模型，适用于多种场景，并提供直观的视觉结果展示说话人信息。

AI-magic收录了大量国内外AI工具箱，包括AI写作、图像、视频、音频、编程等各类AI工具，以及常用的AI学习、技术、和模型等信息，让你轻松加入人工智能浪潮。