有没有什么根据音频对话区分说话者的工具

我想找一个工具，可以尽量区分对话中不同人物，根据人物进行音频分割。如果做不到这种层次，简单区分男女声进行分离的也可以。

就是说话人识别，用 whisperX, win 桌面直接用 https://github.com/Purfview/whisper-standalone-win 即可，Faster-Whisper-XXL.exe 命令行工具，免安装部署

阿里出的 funasr 工具包

whisper.cpp 应该支持 NER ，但应该是需要搭配特定模型的，然后还有这篇文章 https://arxiv.org/abs/2409.08107 或许也相关

@raydied 不是商业或者公司方面，单纯个人玩的项目，所以想找些本地能跑的开源方案。

模仿飞书或腾讯会议吗？一般用声纹识别的方案。

@fengci #4 我主要还是想运行在 PC 上，同时执行其他代码逻辑

@fengci 好像最近发布的手机 支持 AI 的 都支持好像。

@wweerrgtc Whisper 命令行直接运行可以进行区分吗？我之前用 whisper 只语音转文字过，没试过区分。

一些公司的成品，有会议记录功能，都有看到这个功能。