Qu’est-ce que pyannote speaker-diarization-community-1 ?
speaker-diarization-community-1 est le pipeline ouvert de pyannoteAI, l'entreprise parisienne fondée en 2024 par les auteurs de la boîte à outils pyannote.audio. Il fait de la diarisation des locuteurs : à partir d'un enregistrement, il renvoie les horodatages de chaque segment de parole et une étiquette de locuteur (SPEAKER_00, SPEAKER_01 et ainsi de suite). Il ne transcrit pas les mots. Les équipes l'associent à un modèle de reconnaissance vocale comme Whisper et fusionnent les deux sorties.
Il est sorti avec pyannote.audio 4.0 le 29 septembre 2025 et remplace le pipeline 3.1 que beaucoup d'outils ouverts utilisent encore. Il enchaîne un modèle de segmentation, un modèle d'embedding de locuteur WeSpeaker et un clustering VBx, prend de l'audio mono à 16 kHz, et ajoute une sortie « exclusive » dans laquelle un seul locuteur est actif à la fois, ce qui simplifie l'alignement des tours de parole avec les mots de la transcription.
Les poids sont sous CC BY 4.0 et la bibliothèque sous MIT. Le téléchargement exige un token Hugging Face et le partage de coordonnées avec pyannoteAI. Le modèle a enregistré environ 5,1 millions de téléchargements le mois dernier.
Combien coûte pyannote speaker-diarization-community-1 ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Weights | Free | CC BY 4.0 ; bibliothèque sous MIT |
| Hosted community-1 | €0.035 per hour | |
| Precision-3 (hosted) | €0.112 per hour (Developer) or €0.096 (Starter) | Offres à 19 €/mois et 99 €/mois, crédit inclus |
Gratuit sous CC BY 4.0. Hébergé chez pyannoteAI à 0,035 € par heure d'audio ; son modèle payant Precision-3 coûte 0,112 € par heure (Developer, 19 €/mois) ou 0,096 € (Starter, 99 €/mois).
pyannote speaker-diarization-community-1 vaut-il le coup ?
community-1 est le choix ouvert sûr pour la diarisation parce que presque tout le reste est construit autour de pyannote. Sur les douze benchmarks de la fiche, il réduit le taux d'erreur de diarisation (DER, la part du temps attribuée au mauvais locuteur, manquée ou détectée à tort) sur dix d'entre eux par rapport à la 3.1 : de 22,7 % à 19,9 % sur les réunions AMI à micro unique, de 28,5 % à 26,7 % sur les appels téléphoniques CALLHOME et de 24,5 % à 20,3 % sur AliMeeting. Il fait jeu égal sur VoxConverse et recule sur REPERE, de 7,9 % à 8,9 %. La notation est stricte, sans marge de tolérance et avec la parole superposée incluse.
L'écart avec le modèle payant de pyannoteAI est la comparaison honnête. Le pipeline commercial du même tableau obtient 16,6 % sur CALLHOME contre 26,7 % pour community-1, et 10,5 % contre 20,8 % sur le jeu de conversations en mandarin RAMC. L'entreprise a depuis fait passer son API à Precision-3, si bien que le modèle ouvert a désormais deux générations de retard sur le modèle payant, à dessein.
C'est un composant, pas un outil de transcription. Les équipes ont toujours besoin d'un modèle de reconnaissance vocale et de code pour fusionner les horodatages des mots avec les tours de parole ; la sortie de diarisation exclusive aide, mais des systèmes à modèle unique comme MOSS-Transcribe-Diarize font les deux en un seul passage. La fiche ne publie aucun chiffre de vitesse, le modèle tourne sur CPU sauf s'il est déplacé sur un GPU, et l'audio en conditions réelles reste difficile : le DER est de 44,6 % sur des extraits de films AVA-AVD et de 46,8 % sur des enregistrements de caméra frontale Ego4D.
Les conditions sont simples pour une entreprise. CC BY 4.0 n'exige que l'attribution, la bibliothèque est sous MIT, et une copie clonée fonctionne entièrement hors ligne. La barrière d'accès est un consentement marketing plutôt qu'une restriction de licence, et avec environ 5,1 millions de téléchargements mensuels et 10 750 étoiles sur GitHub, les problèmes ont tendance à être documentés avant que vous ne les rencontriez.
Là où il fait la différence
Un ingénieur backend dans une start-up de comptes rendus de réunion de 30 personnes
Étiqueter qui a dit quoi dans les appels enregistrés avant de les résumer
Faites tourner community-1 sur un GPU à côté de Whisper et fusionnez les tours de parole exclusifs avec les horodatages des mots. Passer min_speakers et max_speakers à partir de l'invitation du calendrier réduit les erreurs de comptage ; il n'y a pas de frais à l'heure.
Un responsable de l'analyse dans un centre d'appels qui traite 10 000 heures d'appels par mois
Séparer la parole de l'agent et celle du client sans faire tourner de GPU
Passez à l'endpoint hébergé community-1 à 0,035 € de l'heure, soit environ 350 € par mois. Faire passer le même code à Precision-3 coûte environ 960 € par mois au tarif Starter, pour une erreur nettement plus faible.
Une équipe de recherche universitaire qui analyse des enregistrements d'entretiens
Diariser de l'audio sensible sans qu'il quitte le laboratoire
Clonez le dépôt une fois avec un token, puis chargez-le depuis le disque sans connexion internet. CC BY 4.0 n'exige que l'attribution dans les travaux publiés.
Avant de vous engager
- Mise en route
- pip install pyannote.audio (4.x), acceptez la barrière d'accès sur Hugging Face, créez un token, puis Pipeline.from_pretrained et pipeline.to(cuda) ; l'audio est converti en mono et rééchantillonné à 16 kHz au chargement.
- Intégrations
- Bibliothèque Python pyannote.audio ; largement utilisée sous les outils basés sur Whisper ; community-1-cloud et Precision-3 hébergés sur l'API de pyannoteAI avec 100 requêtes par minute sur les offres Developer et Starter.
- Données et confidentialité
- Les copies auto-hébergées fonctionnent entièrement hors ligne. Poids sous CC BY 4.0, code sous MIT ; la barrière d'accès partage vos coordonnées pour des e-mails marketing occasionnels. pyannoteAI met en avant la conformité au RGPD et l'hébergement des données dans l'UE pour son API.
- Coût à grande échelle
- En auto-hébergement, seul le temps GPU compte ; community-1 hébergé coûte 0,035 € par heure d'audio, soit environ 350 € par mois pour 10 000 heures, et Precision-3 de 0,096 € à 0,112 € par heure.
- Limites
- Pas de transcription ; DER de 8,9 % sur les journaux télévisés à 46,8 % sur Ego4D ; aucun chiffre de vitesse publié ; recule par rapport à la 3.1 sur REPERE.
Les points forts
- Erreur plus faible que la 3.1 sur 10 des 12 benchmarks
- Poids sous CC BY 4.0 et bibliothèque sous MIT ; fonctionne hors ligne
- Le mode exclusif simplifie la fusion avec les transcriptions
- Le même code peut passer aux modèles hébergés en changeant une ligne
Les points faibles
- Diarisation uniquement ; exige un modèle de reconnaissance vocale séparé
- DER environ 10 points plus mauvais que le modèle payant de pyannoteAI sur CALLHOME
- Aucun chiffre de vitesse publié
- Le téléchargement exige de partager ses coordonnées
Idéal pour
Les ingénieurs qui construisent une transcription auto-hébergée de réunions, d'appels ou de podcasts et ont besoin d'étiquettes de locuteurs sous une licence permissive.
Alternatives à pyannote speaker-diarization-community-1
pyannote speaker-diarization-community-1 : questions fréquentes
- pyannote speaker-diarization-community-1 vaut-il le coup ?
- Toujours le choix ouvert par défaut pour distinguer les locuteurs, et un net progrès par rapport à la 3.1, mais le modèle payant de ses propres créateurs fait environ un tiers d'erreurs en moins sur l'audio difficile. Nous lui donnons 4.1 sur 5.
- Combien coûte pyannote speaker-diarization-community-1 ?
- Gratuit sous CC BY 4.0. Hébergé chez pyannoteAI à 0,035 € par heure d'audio ; son modèle payant Precision-3 coûte 0,112 € par heure (Developer, 19 €/mois) ou 0,096 € (Starter, 99 €/mois).
- Quels sont les inconvénients de pyannote speaker-diarization-community-1 ?
- Diarisation uniquement ; exige un modèle de reconnaissance vocale séparé; dER environ 10 points plus mauvais que le modèle payant de pyannoteAI sur CALLHOME; aucun chiffre de vitesse publié; le téléchargement exige de partager ses coordonnées.
- À qui s’adresse pyannote speaker-diarization-community-1 ?
- Les ingénieurs qui construisent une transcription auto-hébergée de réunions, d'appels ou de podcasts et ont besoin d'étiquettes de locuteurs sous une licence permissive.
- Combien coûte pyannote speaker-diarization-community-1 pour une équipe ou en production ?
- En auto-hébergement, seul le temps GPU compte ; community-1 hébergé coûte 0,035 € par heure d'audio, soit environ 350 € par mois pour 10 000 heures, et Precision-3 de 0,096 € à 0,112 € par heure.
- pyannote speaker-diarization-community-1 est-il sûr pour les données de l’entreprise ?
- Les copies auto-hébergées fonctionnent entièrement hors ligne. Poids sous CC BY 4.0, code sous MIT ; la barrière d'accès partage vos coordonnées pour des e-mails marketing occasionnels. pyannoteAI met en avant la conformité au RGPD et l'hébergement des données dans l'UE pour son API.
- Quelles sont les meilleures alternatives à pyannote speaker-diarization-community-1 ?
- Les alternatives les plus proches que nous avons testées sont MOSS-Transcribe-Diarize 0.9B, Whisper large-v3-turbo, ElevenLabs Scribe v2 et Deepgram Nova-3.
Réponses vérifiées le 2 nov. 2026.
Vous éditez pyannote speaker-diarization-community-1 ? Affichez cette note sur votre site
