DiariZen

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F26%3A0201226" target="_blank" >RIV/00216305:26230/26:0201226 - isvavai.cz</a>

Výsledek na webu

<a href="https://github.com/BUTSpeechFIT/DiariZen" target="_blank" >https://github.com/BUTSpeechFIT/DiariZen</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

DiariZen

Popis výsledku v původním jazyce

DiariZen is a cutting-edge speaker diarization toolkit developed by BUT Speech@FIT, combining end-to-end neural diarization (EEND) based on WavLM and Conformer with VBx clustering for accurate and scalable “who spoke when” analysis. Built on the Pyannote framework, it offers modularity, reproducibility, and seamless integration into speech processing pipelines. Structured pruning ensures efficiency without sacrificing performance.

Název v anglickém jazyce

DiariZen

Popis výsledku anglicky

DiariZen is a cutting-edge speaker diarization toolkit developed by BUT Speech@FIT, combining end-to-end neural diarization (EEND) based on WavLM and Conformer with VBx clustering for accurate and scalable “who spoke when” analysis. Built on the Pyannote framework, it offers modularity, reproducibility, and seamless integration into speech processing pipelines. Structured pruning ensures efficiency without sacrificing performance.

Druh

R - Software

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/EH23_020%2F0008518" target="_blank" >EH23_020/0008518: Jazykověda, umělá inteligence a jazykové a řečové technologie: od výzkumu k aplikacím</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu

DiariZen

Technické parametry

DiariZen is a speaker diarization toolkit driven by AudioZen and Pyannote 3.1. Languages: Jupyter Notebook 54.8%, Python 44.7%, Shell 0.5% The code in GitHub repository is licensed under the MIT license. The pre-trained model weights are released under the CC BY-NC 4.0 license. https://github.com/BUTSpeechFIT/DiariZen https://huggingface.co/BUT-FIT/diarizen-wavlm-large-s80-md

Ekonomické parametry

DiariZen powers DiCoW, a companion tool that guides Whisper-based ASR for speaker-attributed transcription. The combined system achieved promising results—winning the Jury Prize at CHiME-8 and placing 2nd in the MLC-SLM Challenge. DiariZen has also been successfully adopted by multiple top-performing teams in the MISP 2025 Challenge, underscoring its robustness, generalization, and real-world impact.

IČO vlastníka výsledku

00216305

Název vlastníka

Vysoké učení technické v Brně