WhisperX
Mer info
- Skapad av
- Max Bain (Oxford)
- År
- Typ
- Whisper-wrapper med word-level timestamps + diarization
- Licens
- BSD-4
- Källkod
- github.com/m-bain/whisperX
Wrapper kring Whisper som lägger till word-level timestamps via "forced alignment", plus speaker diarization via pyannote — och 70× snabbare via batched inference.
Whispers egna timestamps är på segment-nivå (5–30 sekunder) och ofta off. WhisperX kör wav2vec 2.0 forced-alignment-modell för word-level (~20 ms precision). Använder faster-whisper backend (CTranslate2) för throughput. Pyannote-diarization-modul märker varje ord med talare. Standard-toolkit för 2024+ "transcribe + diarize"-workflows.