分号
这包记录了AgentOS语音管道的扬声器对等化引擎. 它使用本地的音频特性提取和同位素相似性,或者从语音到文本的笔录事件消耗扬声器标签.
安装
npm install @framers/agentos-ext-diarization
同伴依赖性 : @framers/agentos (单位:千美元)>=0.10.40)和可选 onnxruntime-node (单位:千美元)^1.18.0) (中文(简体) ).
使用量
import { AgentOS } from '@framers/agentos';
const agentos = await AgentOS.create({
extensionManifest: {
packs: [{ package: '@framers/agentos-ext-diarization' }],
},
});
配置
包厂无视其上下文. 这些设置属于引擎的 startSession 方法。 它没有读取任何秘密或环境变量.
| 选项 | 秘密编号 | 环境变量 | 需求 | 默认 |
|---|---|---|---|---|
backend | 无 | 无 | 没有 | local |
similarityThreshold | 无 | 无 | 没有 | 0.7 |
chunkSizeMs | 无 | 无 | 没有 | 1500 毫秒 |
overlapMs | 无 | 无 | 没有 | 500 毫秒 |
sampleRate | 无 | 无 | 没有 | 16000 赫兹 |
expectedSpeakers | 无 | 无 | 没有 | 取消; 已声明但未读取 startSession |
导出 ClusteringStrategy 接受 mergeThreshold,默认为 0.85,以及 mergeClusters 方法接受可选 expectedSpeakers届会不采用这一策略.
页:1
地方会议接受PCM样本 Float32Array 帧通过 pushAudio,发射 speaker_identified并给最近找到的演讲者打上标签. enrollSpeaker 注册参考语音印并覆盖同一标识符的现有语音印。 本地特性提取是用于演示和测试的占位符. 它没有使用ONNX模型. 本地笔录结束时间根据文本长度估算,信任度固定.
提供者会话忽略了音频和入学电话. labelTranscript 选择最常用的单词级扬声器标签并返回 null 当标签缺失时。 两个后端都发出 segment_ready 一份贴有标签的笔录.
重叠必须产生少于块大小的样本,或者会话创建抛出一个 RangeError。提取器使用已配置的样本速率,而不对输入的帧进行再复制. close 停止本地处理,清除收听者,并导致随后的音频和笔录输入被忽略.
许可证
阿帕奇 - 2.0