項目簡介

inaSpeechSegmenter 是法國國家視聽研究院（INA）開源的音頻分割與檢測工具，專為廣播、播客、采訪、影視等多媒體內容的自動化處理設計。它能夠高效地將長音頻自動分割為語音、音樂、噪聲、靜音等片段，并支持性別檢測（男聲/女聲），為后續的語音識別、內容檢索、轉寫、音頻分析等任務提供堅實基礎。

主要特性：

• 支持語音/音樂/噪聲/靜音等多類別分割
• 支持男聲/女聲檢測
• 端到端批量處理，速度快，資源消耗低
• 純 Python 實現，易于集成
• 預訓練模型開箱即用，無需訓練即可應用

---

快速上手

1. 安裝

推薦使用 pip 安裝最新版：

pip install inaSpeechSegmenter

或從源碼安裝：

git clone https://github.com/ina-foss/inaSpeechSegmenter.git
cd inaSpeechSegmenter
pip install .

2. 命令行工具

對單個音頻文件分割：

ina_speech_segmenter --input_file example.wav --output_json segments.json

對文件夾批量處理：

ina_speech_segmenter --input_dir ./audio_dir --output_dir ./segments

3. Python API 調用

from inaSpeechSegmenter import Segmenter
from inaSpeechSegmenter.export_funcs import seg2csv
import soundfile as sf# 加載分割器
segmenter = Segmenter()
# 處理音頻文件
segmentation = segmenter('example.wav')
print(segmentation)
# 導出為 CSV
seg2csv(segmentation, 'segments.csv')

4. 結果格式說明

分割結果為列表，每項為 (標簽, 起始秒, 結束秒)，如：

[('male', 0.0, 3.2), ('music', 3.2, 10.5), ('female', 10.5, 15.0)]

---

典型應用場景與案例

1. 語音識別前端分割

• 流程：長音頻 → inaSpeechSegmenter 分割語音片段 → ASR（如 Whisper、Wav2Vec2）轉寫
• 優勢：只對語音片段轉寫，提升準確率與效率，跳過音樂/噪聲/靜音
• 代碼片段：

from inaSpeechSegmenter import Segmenter
import soundfile as sfsegmenter = Segmenter()
segments = segmenter('meeting.wav')
for label, start, end in segments:if label in ['male', 'female']:audio, sr = sf.read('meeting.wav', start=int(start*</