pyannote speaker-diarization-community-1とは？
speaker-diarization-community-1は、pyannote.audioのツールキットの作者たちが2024年に創業したパリの会社pyannoteAIによるオープンなパイプラインです。話者分離（diarisation）を行います。録音を与えると、発話の区間ごとのタイムスタンプと話者のラベル（SPEAKER_00、SPEAKER_01など）を返します。言葉は書き起こしません。チームはWhisperなどの音声認識モデルと組み合わせ、2つの出力をつなぎ合わせます。
2025年9月29日にpyannote.audio 4.0とともに公開され、多くのオープンなツールがいまも使っている3.1のパイプラインを置き換えます。区間分割のモデル、WeSpeakerの話者埋め込みのモデル、VBxのクラスタリングを連結し、16 kHzのモノラルの音声を受け取ります。さらに、同時に話している話者を常に1人だけにする「exclusive」の出力を加えており、話者の交代と書き起こしの単語を合わせるのが簡単になります。
重みはCC BY 4.0で、ライブラリはMITです。ダウンロードには、Hugging Faceのトークンと、pyannoteAIへの連絡先の提供が必要です。モデルは過去1か月で約510万（5.1 million）回ダウンロードされました。
pyannote speaker-diarization-community-1の料金は？
| プラン | 価格 | 内容 |
|---|---|---|
| Weights | Free | CC BY 4.0、ライブラリはMIT |
| Hosted community-1 | €0.035 per hour | |
| Precision-3 (hosted) | €0.112 per hour (Developer) or €0.096 (Starter) | 月€19と月€99のプランで、クレジット込み |
CC BY 4.0で無料。pyannoteAIのホスト版は音声1時間あたり€0.035です。有料のPrecision-3のモデルは1時間あたり€0.112（Developer、月€19）または€0.096（Starter、月€99）です。
pyannote speaker-diarization-community-1は使う価値があるか？
community-1は、ほかのほとんどすべてがpyannoteを中心に作られているため、話者分離では無難なオープンの選択肢です。モデルカードの12のベンチマークのうち10で、3.1と比べて話者分離の誤り率（DER、誤った話者に割り当てられた、見落とされた、または誤って検出された時間の割合）を下げています。単一マイクのAMIの会議では22.7%から19.9%、CALLHOMEの電話では28.5%から26.7%、AliMeetingでは24.5%から20.3%です。VoxConverseでは同じで、REPEREでは7.9%から8.9%に悪化しています。採点は厳しく、許容のための余白（collar）はなく、重なった発話も含まれます。
誠実な基準となるのは、pyannoteAI自身の有料モデルとの差です。同じ表の商用のパイプラインは、CALLHOMEで16.6%で、community-1は26.7%です。北京語の会話のセットRAMCでは10.5%に対して20.8%です。同社はその後APIをPrecision-3に移しているので、オープンのモデルはいまや意図的に有料版より2世代遅れています。
これは部品であって、文字起こしのツールではありません。チームには音声認識モデルと、単語の時刻を話者の交代とつなぎ合わせるコードがいまも必要です。exclusiveの話者分離の出力は役に立ちますが、MOSS-Transcribe-Diarizeのような単一モデルのシステムは両方の仕事を1回でこなします。モデルカードは速度の数字を公開しておらず、GPUに移さない限りCPUで動きます。条件の整っていない音声は依然として難しく、AVA-AVDの映画のクリップではDERが44.6%、Ego4Dの頭部カメラの録画では46.8%です。
条件は企業にとって扱いやすいものです。CC BY 4.0で求められるのはクレジットの表示だけで、ライブラリはMITで、クローンしたコピーは完全にオフラインで動きます。ダウンロードの関門はライセンスの制限ではなくマーケティングへの同意で、月約510万（5.1 million）回のダウンロードとGitHubの10,750のスターがあるので、問題はたいてい自分が出くわす前に文書化されています。
真価を発揮する場面
従業員30人の議事録のスタートアップのバックエンドエンジニア
録音した通話を要約する前に、誰が何を言ったかのラベルを付ける
GPUでWhisperと並べてcommunity-1を動かし、exclusiveの話者の交代を単語のタイムスタンプとつなぎ合わせます。カレンダーの招待からmin_speakersとmax_speakersを渡すと、人数の数え間違いが減ります。1時間あたりの料金はかかりません。
月に10,000時間の通話を処理するコールセンターの分析責任者
GPUを動かさずに、担当者と顧客の発話を分ける
1時間あたり€0.035のホスト版のcommunity-1のエンドポイントに切り替えれば、月約€350です。同じコードをPrecision-3に移すと、Starterの料金で月約€960かかりますが、誤りは大きく減ります。
インタビューの録音を分析する大学の研究チーム
機密の音声を研究室の外に出さずに話者分離する
トークンを使ってリポジトリを一度だけクローンし、その後はインターネットに接続せずにディスクから読み込みます。CC BY 4.0で求められる のは、公表する成果でのクレジットの表示だけです。
導入前に確認すること
- 導入
- pip install pyannote.audio（4.x）を実行し、Hugging Faceで利用条件に同意してトークンを作り、Pipeline.from_pretrainedとpipeline.to(cuda)を呼びます。音声は読み込み時に16 kHzのモノラルにダウンミックスとリサンプリングされます。
- 連携
- pyannote.audioのPythonのライブラリ。Whisperベースのツールの下で広く使われています。pyannoteAIのAPIにはホスト版のcommunity-1-cloudとPrecision-3があり、DeveloperとStarterのプランでは毎分100リクエストまでです。
- データとプライバシー
- セルフホストのコピーは完全にオフラインで動きます。重みはCC BY 4.0、コードはMITです。ダウンロードの関門では、ときどき届くマーケティングのメールのために連絡先が共有されます。pyannoteAIはAPIについて、GDPRへの準拠とEUでのデータの保管をうたっています。
- 大規模利用時のコスト
- セルフホストならかかるのはGPUの時間だけです。ホスト版のcommunity-1は音声1時間あたり€0.035なので、10,000時間で月約€350です。Precision-3は1時間あたり€0.096から€0.112です 。
- 制限
- 文字起こしはしません。DERはニュース放送の8.9%からEgo4Dの46.8%までです。速度の数字は公開されていません。REPEREでは3.1より悪化しています。
良い点
- 12のベンチマークのうち10で3.1より誤りが少ない
- 重みはCC BY 4.0、ライブラリはMITで、オフラインで動く
- exclusiveのモードで書き起こしとのつなぎ合わせが簡単になる
- 同じコードで、1行変えるだけでホスト版のモデルに切り替えられる
気になる点
- 話者分離のみで、別の音声認識モデルが必要
- CALLHOMEではpyannoteAIの有料モデルよりDERが約10ポイント悪い
- 速度の数字が公開されていない
- ダウンロードには連絡先の提供が必要
おすすめの人
制限の緩いライセンスで話者のラベルを必要とする、セルフホストの会議、通話、ポッドキャストの文字起こしを作るエンジニア。
pyannote speaker-diarization-community-1の代替
pyannote speaker-diarization-community-1：よくある質問
- pyannote speaker-diarization-community-1は使う価値があるか？
- 話者を聞き分けるオープンなモデルの定番であることは変わらず、3.1からは明らかに進歩しています。ただし難しい音声では、開発元自身の有料モデルのほうが誤りが約3分の1少なくなります。 評価は5点満点中4.1点です。
- pyannote speaker-diarization-community-1の料金は？
- CC BY 4.0で無料。pyannoteAIのホスト版は音声1時間あたり€0.035です。有料のPrecision-3のモデルは1時間あたり€0.112（Developer、月€19）または€0.096（Starter、月€99）です。
- pyannote speaker-diarization-community-1の欠点は？
- 話者分離のみで、別の音声認識モデルが必要; CALLHOMEではpyannoteAIの有料モデルよりDERが約10ポイント悪い; 速度の数字が公開されていない; ダウンロードには連絡先の提供が必要.
- pyannote speaker-diarization-community-1は誰に向いているか？
- 制限の緩いライセンスで話者のラベルを必要とする、セルフホストの会議、通話、ポッドキャストの文字起こしを作るエンジニア。
- チームや本番環境でpyannote speaker-diarization-community-1を使うと費用はいくらか？
- セルフホストならかかるのはGPUの時間だけです。ホスト版のcommunity-1は音声1時間あたり€0.035なので、10,000時間で月約€350です。Precision-3は1時間あたり€0.096から€0.112です。
- pyannote speaker-diarization-community-1は企業データを扱っても安全か？
- セルフホストのコピーは完全にオフラインで動きます。重みはCC BY 4.0、コードはMITです。ダウンロードの関門では、ときどき届くマーケティングのメールのために連絡先が共有されます。pyannoteAIはAPIについて、GDPRへの準拠とEUでのデータの保管をうたっています。
- pyannote speaker-diarization-community-1の代わりになるものは？
- 当サイトでレビューした中で最も近い代替はMOSS-Transcribe-Diarize 0.9B, Whisper large-v3-turbo, ElevenLabs Scribe v2 、 Deepgram Nova-3です。
回答確認日：2026年11月2日
pyannote speaker-diarization-community-1の開発元の方へ：この評価をサイトに掲載できます
