pyannoteAI

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。