¿Qué es pyannote speaker-diarization-community-1?
speaker-diarization-community-1 es la canalización abierta de pyannoteAI, la empresa parisina fundada en 2024 por los autores del kit de herramientas pyannote.audio. Hace diarización de hablantes: a partir de una grabación, devuelve marcas de tiempo para cada tramo de habla y una etiqueta para el hablante (SPEAKER_00, SPEAKER_01, etc.). No transcribe palabras. Los equipos lo combinan con un modelo de voz a texto como Whisper y unen las dos salidas.
Salió con pyannote.audio 4.0 el 29 de septiembre de 2025 y sustituye a la canalización 3.1 que muchas herramientas abiertas aún usan. Encadena un modelo de segmentación, un modelo de embeddings de hablante WeSpeaker y agrupación VBx, toma audio mono a 16 kHz y añade una salida "exclusive" en la que solo hay un hablante activo a la vez, lo que simplifica alinear los turnos de palabra con las palabras de la transcripción.
Los pesos son CC BY 4.0 y la biblioteca es MIT. Descargarlo exige un token de Hugging Face y compartir datos de contacto con pyannoteAI. El modelo registró unos 5,1 millones de descargas en el último mes.
¿Cuánto cuesta pyannote speaker-diarization-community-1?
| Plan | Precio | Qué incluye |
|---|---|---|
| Weights | Free | CC BY 4.0; biblioteca MIT |
| Hosted community-1 | €0.035 per hour | Ninguno |
| Precision-3 (hosted) | €0.112 per hour (Developer) or €0.096 (Starter) | Planes de 19 €/mes y 99 €/mes, con crédito incluido |
Gratuito con CC BY 4.0. Alojado en pyannoteAI a 0,035 € por hora de audio; su modelo de pago Precision-3 cuesta 0,112 € por hora (Developer, 19 €/mes) o 0,096 € (Starter, 99 €/mes).
¿Merece la pena pyannote speaker-diarization-community-1?
community-1 es la opción abierta segura para la diarización porque casi todo lo demás está construido alrededor de pyannote. En los doce benchmarks de la ficha reduce la tasa de error de diarización (DER, la proporción de tiempo atribuida al hablante equivocado, omitida o detectada por error) en diez de ellos respecto a la 3.1: del 22,7% al 19,9% en reuniones AMI con un solo micrófono, del 28,5% al 26,7% en llamadas telefónicas de CALLHOME y del 24,5% al 20,3% en AliMeeting. Empata en VoxConverse y empeora en REPERE, del 7,9% al 8,9%. La puntuación es estricta, sin margen de tolerancia y con el habla solapada incluida.
La distancia con el propio modelo de pago de pyannoteAI es el benchmark honesto. La canalización comercial de la misma tabla obtiene un 16,6% en CALLHOME frente al 26,7% de community-1, y un 10,5% frente a un 20,8% en el conjunto de conversaciones en mandarín RAMC. Desde entonces la empresa ha pasado su API a Precision-3, así que el modelo abierto va ahora dos generaciones por detrás del de pago, por diseño.
Es un componente, no un transcriptor. Los equipos siguen necesitando un modelo de voz a texto y código para unir los tiempos de las palabras con los turnos de los hablantes; la salida de diarización exclusiva ayuda, pero sistemas de un solo modelo como MOSS-Transcribe-Diarize hacen ambas tareas en una pasada. La ficha no publica cifras de velocidad, funciona en CPU salvo que se pase a una GPU, y el audio en condiciones reales sigue siendo difícil: el DER es del 44,6% en clips de películas de AVA-AVD y del 46,8% en grabaciones con cámara en la cabeza de Ego4D.
Las condiciones son sencillas para una empresa. CC BY 4.0 solo exige atribución, la biblioteca es MIT y una copia clonada funciona totalmente sin conexión. El acceso restringido es una aceptación de marketing más que una restricción de licencia, y con unos 5,1 millones de descargas mensuales y 10.750 estrellas en GitHub, los problemas suelen estar documentados antes de que te los encuentres.
Dónde se gana su sitio
Una ingeniera de backend en una startup de notas de reuniones de 30 personas
Etiquetar quién dijo qué en llamadas grabadas antes de resumirlas
Ejecuta community-1 en una GPU junto a Whisper y une los turnos exclusivos de los hablantes con las marcas de tiempo de las palabras. Pasar min_speakers y max_speakers a partir de la invitación del calendario reduce los errores de recuento; no hay tarifa por hora.
Un responsable de analítica de un centro de llamadas que procesa 10.000 horas de llamadas al mes
Separar la voz del agente y la del cliente sin mantener GPU
Pasa al endpoint alojado de community-1 a 0,035 € la hora, unos 350 € al mes. Llevar el mismo código a Precision-3 cuesta unos 960 € al mes con la tarifa Starter, con un error notablemente menor.
Un equipo de investigación universitario que analiza grabaciones de entrevistas
Diarizar audio sensible sin que salga del laboratorio
Clona el repositorio una vez con un token y después cárgalo desde el disco sin conexión a internet. CC BY 4.0 solo exige atribución en los trabajos publicados.
Antes de decidirte
- Puesta en marcha
- pip install pyannote.audio (4.x), acepta el acceso restringido en Hugging Face, crea un token y después Pipeline.from_pretrained y pipeline.to(cuda); el audio se mezcla a mono y se remuestrea a 16 kHz al cargarlo.
- Integraciones
- Biblioteca de Python pyannote.audio; muy usada por herramientas basadas en Whisper; community-1-cloud y Precision-3 alojados en la API de pyannoteAI con 100 peticiones por minuto en los planes Developer y Starter.
- Datos y privacidad
- Las copias autoalojadas funcionan totalmente sin conexión. Pesos CC BY 4.0, código MIT; el acceso restringido comparte tus datos de contacto para correos de marketing ocasionales. pyannoteAI anuncia cumplimiento del RGPD y residencia de datos en la UE para su API.
- Coste a escala
- Autoalojado, solo tiempo de GPU; community-1 alojado cuesta 0,035 € por hora de audio, así que 10.000 horas son unos 350 € al mes, y Precision-3 cuesta de 0,096 € a 0,112 € por hora.
- Límites
- Sin transcripción; DER del 8,9% en noticias de televisión al 46,8% en Ego4D; sin cifras de velocidad publicadas; empeora respecto a la 3.1 en REPERE.
Lo bueno
- Menos error que la 3.1 en 10 de 12 benchmarks
- Pesos CC BY 4.0 y biblioteca MIT; funciona sin conexión
- El modo exclusivo simplifica la unión con las transcripciones
- El mismo código puede pasar a los modelos alojados cambiando una línea
Lo malo
- Solo diarización; necesita un modelo de voz a texto aparte
- Unos 10 puntos más de DER que el modelo de pago de pyannoteAI en CALLHOME
- Sin cifras de velocidad publicadas
- La descarga exige compartir datos de contacto
Ideal para
Ingenieros que crean transcripción autoalojada de reuniones, llamadas o pódcasts y necesitan etiquetas de hablante con una licencia permisiva.
Alternativas a pyannote speaker-diarization-community-1
pyannote speaker-diarization-community-1: preguntas frecuentes
- ¿Merece la pena pyannote speaker-diarization-community-1?
- Sigue siendo la opción abierta por defecto para distinguir hablantes, y una mejora clara respecto a la 3.1, pero el modelo de pago de sus propios creadores comete alrededor de un tercio menos de errores con audio difícil. Le damos un 4.1 sobre 5.
- ¿Cuánto cuesta pyannote speaker-diarization-community-1?
- Gratuito con CC BY 4.0. Alojado en pyannoteAI a 0,035 € por hora de audio; su modelo de pago Precision-3 cuesta 0,112 € por hora (Developer, 19 €/mes) o 0,096 € (Starter, 99 €/mes).
- ¿Qué inconvenientes tiene pyannote speaker-diarization-community-1?
- Solo diarización; necesita un modelo de voz a texto aparte; unos 10 puntos más de DER que el modelo de pago de pyannoteAI en CALLHOME; sin cifras de velocidad publicadas; la descarga exige compartir datos de contacto.
- ¿Para quién es pyannote speaker-diarization-community-1?
- Ingenieros que crean transcripción autoalojada de reuniones, llamadas o pódcasts y necesitan etiquetas de hablante con una licencia permisiva.
- ¿Cuánto cuesta pyannote speaker-diarization-community-1 para un equipo o en producción?
- Autoalojado, solo tiempo de GPU; community-1 alojado cuesta 0,035 € por hora de audio, así que 10.000 horas son unos 350 € al mes, y Precision-3 cuesta de 0,096 € a 0,112 € por hora.
- ¿Es pyannote speaker-diarization-community-1 seguro para los datos de la empresa?
- Las copias autoalojadas funcionan totalmente sin conexión. Pesos CC BY 4.0, código MIT; el acceso restringido comparte tus datos de contacto para correos de marketing ocasionales. pyannoteAI anuncia cumplimiento del RGPD y residencia de datos en la UE para su API.
- ¿Cuáles son las mejores alternativas a pyannote speaker-diarization-community-1?
- Las alternativas más cercanas que hemos analizado son MOSS-Transcribe-Diarize 0.9B, Whisper large-v3-turbo, ElevenLabs Scribe v2 y Deepgram Nova-3.
Respuestas comprobadas el 2 nov 2026.
¿Desarrollas pyannote speaker-diarization-community-1? Muestra esta nota en tu web
