Was ist pyannote speaker-diarization-community-1?
speaker-diarization-community-1 ist die offene Pipeline von pyannoteAI, dem Pariser Unternehmen, das 2024 von den Autoren des Toolkits pyannote.audio gegründet wurde. Sie leistet Sprecherdiarisierung: Für eine Aufnahme liefert sie Zeitstempel für jeden Sprechabschnitt und ein Label für den Sprecher (SPEAKER_00, SPEAKER_01 und so weiter). Wörter transkribiert sie nicht. Teams kombinieren sie mit einem Speech-to-Text-Modell wie Whisper und führen die beiden Ausgaben zusammen.
Sie erschien mit pyannote.audio 4.0 am 29. September 2025 und ersetzt die Pipeline 3.1, die viele offene Tools noch nutzen. Sie verkettet ein Segmentierungsmodell, ein Modell für Sprecher-Embeddings von WeSpeaker und VBx-Clustering, nimmt Mono-Audio mit 16 kHz an und ergänzt eine "exklusive" Ausgabe, in der immer nur ein Sprecher aktiv ist, was das Abgleichen von Sprecherwechseln mit Wörtern im Transkript vereinfacht.
Die Gewichte stehen unter CC BY 4.0 und die Bibliothek unter MIT. Der Download erfordert einen Hugging-Face-Token und die Weitergabe von Kontaktdaten an pyannoteAI. Das Modell verzeichnete im vergangenen Monat etwa 5,1 Millionen Downloads.
Was kostet pyannote speaker-diarization-community-1?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Weights | Free | CC BY 4.0; Bibliothek unter MIT |
| Hosted community-1 | €0.035 per hour | |
| Precision-3 (hosted) | €0.112 per hour (Developer) or €0.096 (Starter) | Tarife für 19 €/Monat und 99 €/Monat, Guthaben inklusive |
Kostenlos unter CC BY 4.0. Gehostet bei pyannoteAI für 0,035 € pro Stunde Audio; das kostenpflichtige Modell Precision-3 kostet 0,112 € pro Stunde (Developer, 19 €/Monat) oder 0,096 € (Starter, 99 €/Monat).
Lohnt sich pyannote speaker-diarization-community-1?
community-1 ist die sichere offene Wahl für Diarisierung, weil fast alles andere um pyannote herum gebaut ist. Auf den zwölf Benchmarks der Model Card senkt es gegenüber 3.1 bei zehn die Diarization Error Rate (DER, der Anteil der Zeit, der dem falschen Sprecher zugeordnet, verpasst oder fälschlich erkannt wird): von 22,7% auf 19,9% bei AMI-Meetings mit einem Mikrofon, von 28,5% auf 26,7% bei Telefonaten aus CALLHOME und von 24,5% auf 20,3% bei AliMeeting. Bei VoxConverse liegt es gleichauf, bei REPERE wird es schlechter, von 7,9% auf 8,9%. Die Bewertung ist streng, ohne Toleranzfenster und mit überlappender Sprache.
Der ehrliche Maßstab ist der Abstand zum eigenen kostenpflichtigen Modell von pyannoteAI. Die kommerzielle Pipeline in derselben Tabelle erreicht bei CALLHOME 16,6% gegenüber 26,7% für community-1 und beim Mandarin-Gesprächssatz RAMC 10,5% gegenüber 20,8%. Das Unternehmen hat seine API inzwischen auf Precision-3 umgestellt, das offene Modell liegt also absichtlich zwei Generationen hinter dem kostenpflichtigen.
Es ist eine Komponente, kein Transkriptionswerkzeug. Teams brauchen weiterhin ein Speech-to-Text-Modell und Code, der Wortzeiten mit Sprecherwechseln zusammenführt; die exklusive Diarisierung hilft, aber Systeme aus einem einzigen Modell wie MOSS-Transcribe-Diarize erledigen beides in einem Durchgang. Die Model Card veröffentlicht keine Geschwindigkeitswerte, es läuft auf der CPU, sofern es nicht auf eine GPU verschoben wird, und Audio aus freier Wildbahn bleibt schwierig: Die DER liegt bei Filmclips aus AVA-AVD bei 44,6% und bei Kopfkamera-Aufnahmen aus Ego4D bei 46,8%.
Die Bedingungen sind für Unternehmen einfach. CC BY 4.0 verlangt nur eine Namensnennung, die Bibliothek steht unter MIT, und eine geklonte Kopie läuft vollständig offline. Die Zugangsschranke ist eine Marketing-Einwilligung, keine Lizenzbeschränkung, und bei etwa 5,1 Millionen Downloads im Monat und 10.750 GitHub-Sternen sind Probleme meist dokumentiert, bevor du auf sie stößt.
Wo es sich lohnt
Ein Backend-Entwickler bei einem Startup für Meeting-Notizen mit 30 Mitarbeitern
In aufgezeichneten Anrufen kennzeichnen, wer was gesagt hat, bevor sie zusammengefasst werden
Betreibe community-1 auf einer GPU neben Whisper und führe exklusive Sprecherwechsel mit Wort-Zeitstempeln zusammen. min_speakers und max_speakers aus der Kalendereinladung zu übergeben, verringert Zählfehler; eine Gebühr pro Stunde gibt es nicht.
Ein Analytics Lead in einem Callcenter, der 10.000 Stunden Anrufe im Monat verarbeitet
Sprache von Agenten und Kunden trennen, ohne GPUs zu betreiben
Wechsle zum gehosteten Endpunkt community-1 für 0,035 € pro Stunde, etwa 350 € im Monat. Derselbe Code mit Precision-3 kostet zum Starter-Satz etwa 960 € im Monat, bei deutlich geringerem Fehler.
Ein universitäres Forschungsteam, das Interviewaufnahmen auswertet
Sensibles Audio diarisieren, ohne dass es das Labor verlässt
Klone das Repository einmal mit einem Token und lade es dann ohne Internetverbindung von der Festplatte. CC BY 4.0 verlangt nur eine Namensnennung in veröffentlichten Arbeiten.
Bevor du dich festlegst
- Einrichtung
- pip install pyannote.audio (4.x), die Zugangsschranke auf Hugging Face akzeptieren, einen Token erstellen, dann Pipeline.from_pretrained und pipeline.to(cuda); Audio wird beim Laden auf Mono heruntergemischt und auf 16 kHz umgerechnet.
- Integrationen
- Python-Bibliothek pyannote.audio; weit verbreitet unter Tools auf Basis von Whisper; gehostetes community-1-cloud und Precision-3 über die API von pyannoteAI mit 100 Anfragen pro Minute in den Tarifen Developer und Starter.
- Daten und Datenschutz
- Selbst gehostete Kopien laufen vollständig offline. Gewichte unter CC BY 4.0, Code unter MIT; die Zugangsschranke gibt deine Kontaktdaten für gelegentliche Marketing-E-Mails weiter. pyannoteAI wirbt für seine API mit DSGVO-Konformität und Datenhaltung in der EU.
- Kosten im großen Maßstab
- Selbst gehostet nur GPU-Zeit; gehostetes community-1 kostet 0,035 € pro Stunde Audio, 10.000 Stunden also etwa 350 € im Monat, und Precision-3 kostet 0,096 € bis 0,112 € pro Stunde.
- Grenzen
- Keine Transkription; DER von 8,9% bei Rundfunknachrichten bis 46,8% bei Ego4D; keine veröffentlichten Geschwindigkeitswerte; bei REPERE schlechter als 3.1.
Was gut ist
- Geringerer Fehler als 3.1 auf 10 von 12 Benchmarks
- Gewichte unter CC BY 4.0 und Bibliothek unter MIT; läuft offline
- Exklusiver Modus vereinfacht das Zusammenführen mit Transkripten
- Derselbe Code wechselt mit einer geänderten Zeile zu gehosteten Modellen
Was nicht
- Nur Diarisierung; braucht ein separates Speech-to-Text-Modell
- Bei CALLHOME etwa 10 Punkte schlechtere DER als das kostenpflichtige Modell von pyannoteAI
- Keine veröffentlichten Geschwindigkeitswerte
- Download nur gegen Weitergabe von Kontaktdaten
Am besten für
Entwickler, die selbst gehostete Transkription für Meetings, Anrufe oder Podcasts bauen und Sprecherlabels unter einer freizügigen Lizenz brauchen.
Alternativen zu pyannote speaker-diarization-community-1
pyannote speaker-diarization-community-1: häufige Fragen
- Lohnt sich pyannote speaker-diarization-community-1?
- Weiterhin der offene Standard, um Sprecher auseinanderzuhalten, und ein klarer Fortschritt gegenüber 3.1, doch das kostenpflichtige Modell der eigenen Entwickler macht bei schwierigem Audio etwa ein Drittel weniger Fehler. Wir bewerten es mit 4.1 von 5.
- Was kostet pyannote speaker-diarization-community-1?
- Kostenlos unter CC BY 4.0. Gehostet bei pyannoteAI für 0,035 € pro Stunde Audio; das kostenpflichtige Modell Precision-3 kostet 0,112 € pro Stunde (Developer, 19 €/Monat) oder 0,096 € (Starter, 99 €/Monat).
- Welche Nachteile hat pyannote speaker-diarization-community-1?
- Nur Diarisierung; braucht ein separates Speech-to-Text-Modell; Bei CALLHOME etwa 10 Punkte schlechtere DER als das kostenpflichtige Modell von pyannoteAI; Keine veröffentlichten Geschwindigkeitswerte; Download nur gegen Weitergabe von Kontaktdaten.
- Für wen eignet sich pyannote speaker-diarization-community-1?
- Entwickler, die selbst gehostete Transkription für Meetings, Anrufe oder Podcasts bauen und Sprecherlabels unter einer freizügigen Lizenz brauchen.
- Was kostet pyannote speaker-diarization-community-1 für ein Team oder im Produktivbetrieb?
- Selbst gehostet nur GPU-Zeit; gehostetes community-1 kostet 0,035 € pro Stunde Audio, 10.000 Stunden also etwa 350 € im Monat, und Precision-3 kostet 0,096 € bis 0,112 € pro Stunde.
- Ist pyannote speaker-diarization-community-1 sicher für Firmendaten?
- Selbst gehostete Kopien laufen vollständig offline. Gewichte unter CC BY 4.0, Code unter MIT; die Zugangsschranke gibt deine Kontaktdaten für gelegentliche Marketing-E-Mails weiter. pyannoteAI wirbt für seine API mit DSGVO-Konformität und Datenhaltung in der EU.
- Was sind die besten Alternativen zu pyannote speaker-diarization-community-1?
- Die nächsten Alternativen, die wir getestet haben, sind MOSS-Transcribe-Diarize 0.9B, Whisper large-v3-turbo, ElevenLabs Scribe v2 und Deepgram Nova-3.
Antworten geprüft am 2. Nov. 2026.
Du entwickelst pyannote speaker-diarization-community-1? Zeig diese Bewertung auf deiner Website
