pyannoteAI
開源 pyannote.audio 團隊推出的商用 API,專門回答「誰在什麼時候講話」
如果你寫過會議逐字稿工具,大概聽過 pyannote.audio:它是做「語者分離」(speaker diarization)最常被引用的開源框架,官網說從 2016 年開源以來下載數超過 10 億次。pyannoteAI 是同一個團隊在法國成立的公司,把這套技術做成商用 API,主力模型叫 Precision-3。
它解的問題很明確:一段多人對話的錄音,逐字稿引擎可以把話轉成文字,但分不出是誰說的。pyannoteAI 負責的就是這一層「說話者資訊」。官網列出的功能有四塊:Speaker Diarization(標出誰在何時說話,官網宣稱錯誤率比競品低 52%)、Speaker Identification(用聲紋比對已知的說話者身分)、Speaker Separation(把重疊的人聲拆成獨立音軌),以及 STT Orchestration(把語者分離結果和任何一家語音轉文字服務的輸出對齊,一次呼叫就拿到標好說話者的逐字稿)。批次與串流兩種模式都有。官網提到的使用情境包括會議記錄、市政與議會會議、配音工作,客戶名單裡有 Notta。
功能特色與適用場景:這是給開發者的工具,不是打開就能用的 App。適合正在做會議記錄、客服錄音分析、Podcast 後製或 AI 配音產品的團隊。台灣的使用情境其實很多,例如議會質詢錄音要分出議員與官員、訪談節目要做雙人字幕、客服中心要分開客戶與專員的話來做情緒分析。因為它跟語言無關、只看聲音特徵,中文、台語混雜的錄音也能分人(轉文字的準確度則取決於你搭配的 STT 引擎)。價格以歐元計,Developer 方案每月 19 歐元,裡面就含 19 歐元用量,個人開發者先用 30 天試用測自己的音檔最實際。預算有限也可以直接用開源版 pyannote.audio 自己架,只是要自己顧 GPU 和維運。
TheAI學院 編輯建議
編輯實測後的真心話很多做會議記錄的產品其實都卡在「分不出誰在說話」這一關。pyannoteAI 只做這件事,而且是從開源社群一路做上來的,對開發團隊來說是很務實的選擇:先用開源版驗證,量大了再換 API。
主要功能
- Speaker Diarization:標出每段話是誰在何時說的
- Speaker Identification:以聲紋比對已知說話者身分
- Speaker Separation:把重疊人聲拆成獨立音軌
- STT Orchestration:與任一語音轉文字服務對齊,輸出標好說話者的逐字稿
- 支援批次與即時串流,Enterprise 可地端部署
- 背後是下載超過 10 億次的開源框架 pyannote.audio
如何使用 pyannoteAI
- 申請 pyannoteAI 的語者辨識 API 金鑰。
- 上傳音訊透過 API 做語者辨識(diarization)。
- 取得「誰在什麼時候講話」的結果。
- 把辨識整合進你的轉錄或分析應用。
- 依用量計費。
- 依場景調整參數。
- 錄製與分析語音要取得同意並符合個資法規。
適用場景
- 會議記錄 App 在逐字稿上標出每位發言者
- 議會、市政會議錄音區分不同發言人
- Podcast 或訪談節目自動做雙人字幕
- 客服錄音拆出客戶與專員音軌,再做情緒或品質分析
- AI 配音前先把原片人聲依角色分開
pyannoteAI 的優點與缺點
優點
- 語者分離是它的本業,技術來源有開源社群長年驗證
- 與語言無關,中文或多語混雜錄音同樣能分出說話者
- 有便宜的入門方案與 30 天免綁卡試用
缺點
- 只負責「誰在說話」,逐字稿品質要看另外搭配的 STT 引擎
- 需要寫程式串 API,非技術人員無法直接使用
- 以歐元計價,用量大時成本要先估算
價格方案
Developer 每月 19 歐元(含 19 歐元用量額度)、Starter 每月 99 歐元(含 99 歐元額度、3 位使用者);Enterprise 依用量議價,可地端部署;新用戶 30 天免費試用免綁卡
pyannoteAI 常見問題
pyannoteAI 跟開源的 pyannote.audio 有什麼差別?
開源版可以免費下載自己部署;pyannoteAI 是同團隊的商用 API,主打 Precision-3 模型、串流模式、STT 對齊與企業級支援,不用自己管 GPU。
它能做中文語音轉文字嗎?
它本身專注在語者分離與辨識;文字的部分是透過 STT Orchestration 與你選的語音轉文字服務整合,中文準確度取決於那個服務。
可以先免費試嗎?
官網提供 30 天免費試用、不需信用卡,正式使用後最低是每月 19 歐元的 Developer 方案。
使用者評價
還沒有足夠評價,搶先分享你的使用心得!
寫下你的評價
pyannoteAI 的替代方案
查看相似的 AI 工具 →相關 AI 工具
Claude
Anthropic 的 AI 助理,長文件與寫作品質是它的主場。
Humyn Labs
自製雙鏡頭頭戴設備錄下真人在家做家事的第一人稱影片,加上語音、IMU 與握力;經十道品質關卡、四道處理、人工複檢後,輸出 21 點手部關鍵點、深度、動作切分等標註,格式有 MCAP、RLDS、LeRobot v3、ROS Bag
AgentRun
把代理執行包上一層:每次跑完把重複的步驟提成技能或工作流程,經過檢查與評分才採用;跑到一半伺服器掛掉也能從存檔接著跑,再加上一個主控台管理所有代理、執行紀錄與花費上限
LexiCAD
用平常交代設計師的方式寫下尺寸與用途,代理會自己追問細節、建模、量測並修到符合規格,輸出可再編輯的 STEP,以及 STL、3MF、DXF 與 Bambu Lab 可用的切片檔;也會顧到壁厚、懸空與列印方向
HarnessRouter
產品要內建 AI 代理時不必自己養執行環境:同一支 API 就能切換 Claude Code、Codex、Hermes、Qwen Code 等框架,每個任務有獨立沙盒、可延續的工作階段、完整追蹤,還有跨框架共用的長期記憶 Harness Memory
Klang
會議助理自動進會議錄音轉錄,手機 App 連進出通話都能錄,所有對話集中成團隊共用的記憶,每天推送趨勢與待辦摘要,還能透過 MCP 讓你的 AI 代理直接查詢;資料放在歐盟,也能整套裝進自家機房離線跑
猜你也想看的AI 音訊工具
更多法國的 AI 工具
同樣來自法國的 AI 工具,一起看看。