Claude
48fa6b4f9e
#74 (22 Teilnehmer) ergab automatisch 44 Sprecher, dieselbe Stimme mehrfach. Ursache gemessen: ein Zentroid pro sherpa-Cluster aus max. 3 Schnitten, fester Kosinus auf rohen Embeddings (Kreuz-Turn-Kosinus ~0,4 = keine Trennschaerfe). v2: sherpa liefert nur Turn-Grenzen, Identitaet aus 3-s-Fenster-Embeddings, Mittelwert-Zentrierung, Average-Linkage-AHC, Weak-Fold, Schwelle pro Aufnahme per 2-Gauss-EM gelernt. Validiert: #74 44->20, #70 ->4, #68 ->2. Live-Namensmarker: Namen waehrend der Aufnahme tippen; Zeitstempel benennt spaeter den Cluster und dient als must-/cannot-link-Zwangsbedingung.
24 lines
1.1 KiB
Bash
24 lines
1.1 KiB
Bash
#!/bin/bash
|
|
# Lab: dump RAW sherpa diarization turns for a recording, at maximum temporal
|
|
# granularity (min-duration-off=0 -> no adjacent-same-label merging, small
|
|
# cluster threshold -> fine labels). We only reuse the TURN BOUNDARIES; the
|
|
# labels get thrown away and re-clustered offline by cluster-lab.js.
|
|
# Usage: lab-dump-segs.sh <wav> <out.txt> [cluster-threshold]
|
|
DIR=/opt/sherpa/sherpa-onnx-v1.13.3-linux-aarch64-shared-cpu
|
|
BIN=$DIR/bin/sherpa-onnx-offline-speaker-diarization
|
|
SEG=/opt/sherpa/sherpa-onnx-pyannote-segmentation-3-0/model.onnx
|
|
EMB=${EMB:-/opt/sherpa/nemo_titanet_small.onnx}
|
|
WAV="$1"; OUT="$2"; THR="${3:-0.2}"
|
|
/opt/callrec/aime-cpucap.sh 1608000
|
|
export LD_LIBRARY_PATH=$DIR/lib
|
|
echo "start $(date -Is)" > "$OUT.log"
|
|
taskset -c 4-7 "$BIN" \
|
|
--segmentation.pyannote-model=$SEG --segmentation.num-threads=4 \
|
|
--embedding.model=$EMB --embedding.num-threads=4 \
|
|
--clustering.cluster-threshold=$THR \
|
|
--min-duration-on=0.2 --min-duration-off=0.0 \
|
|
"$WAV" > "$OUT" 2>> "$OUT.log"
|
|
echo "end $(date -Is) rc=$?" >> "$OUT.log"
|
|
/opt/callrec/aime-cpucap.sh 2256000
|
|
grep -c 'speaker_' "$OUT" >> "$OUT.log"
|