O que é pyannote speaker-diarization-community-1?
O speaker-diarization-community-1 é o pipeline aberto da pyannoteAI, a empresa de Paris fundada em 2024 pelos autores do toolkit pyannote.audio. Ele faz diarização de locutores: dada uma gravação, devolve marcações de tempo para cada trecho de fala e um rótulo para o locutor (SPEAKER_00, SPEAKER_01 e assim por diante). Ele não transcreve palavras. As equipes o combinam com um modelo de fala para texto como o Whisper e juntam as duas saídas.
Ele saiu com o pyannote.audio 4.0 em 29 de setembro de 2025 e substitui o pipeline 3.1 que muitas ferramentas abertas ainda usam. Ele encadeia um modelo de segmentação, um modelo de embeddings de locutor WeSpeaker e clustering VBx, recebe áudio mono a 16 kHz e acrescenta uma saída "exclusive" em que só um locutor fica ativo por vez, o que simplifica alinhar os turnos de fala com as palavras da transcrição.
Os pesos são CC BY 4.0 e a biblioteca é MIT. O download exige um token do Hugging Face e o compartilhamento de dados de contato com a pyannoteAI. O modelo registrou cerca de 5,1 milhões de downloads no último mês.
Quanto custa pyannote speaker-diarization-community-1?
| Plano | Preço | O que inclui |
|---|---|---|
| Weights | Free | CC BY 4.0; biblioteca MIT |
| Hosted community-1 | €0.035 per hour | |
| Precision-3 (hosted) | €0.112 per hour (Developer) or €0.096 (Starter) | Planos de € 19/mês e € 99/mês, com crédito incluído |
Gratuito sob CC BY 4.0. Hospedado na pyannoteAI a € 0,035 por hora de áudio; o modelo pago Precision-3 custa € 0,112 por hora (Developer, € 19/mês) ou € 0,096 (Starter, € 99/mês).
pyannote speaker-diarization-community-1 vale a pena?
O community-1 é a escolha aberta segura para diarização porque quase todo o resto é construído em torno do pyannote. Nos doze benchmarks do card, ele reduz a taxa de erro de diarização (DER, a parcela do tempo atribuída ao locutor errado, perdida ou detectada indevidamente) em dez deles em relação ao 3.1: de 22,7% para 19,9% em reuniões do AMI com um único microfone, de 28,5% para 26,7% em ligações telefônicas do CALLHOME e de 24,5% para 20,3% no AliMeeting. Ele empata no VoxConverse e piora no REPERE, de 7,9% para 8,9%. A pontuação é rigorosa, sem margem de tolerância e com fala sobreposta incluída.
A distância para o modelo pago da própria pyannoteAI é o benchmark honesto. O pipeline comercial na mesma tabela marca 16,6% no CALLHOME contra 26,7% do community-1, e 10,5% contra 20,8% no conjunto de conversas em mandarim RAMC. Desde então a empresa passou sua API para o Precision-3, então o modelo aberto agora está duas gerações atrás do pago, de propósito.
Ele é um componente, não um transcritor. As equipes ainda precisam de um modelo de fala para texto e de código para juntar os tempos das palavras com os turnos dos locutores; a saída de diarização exclusiva ajuda, mas sistemas de modelo único como o MOSS-Transcribe-Diarize fazem as duas tarefas em uma passada. O card não publica números de velocidade, roda na CPU a menos que seja movido para uma GPU, e áudio do mundo real continua difícil: o DER é de 44,6% em trechos de filmes do AVA-AVD e de 46,8% em gravações de câmeras de cabeça do Ego4D.
Os termos são fáceis para uma empresa. A CC BY 4.0 exige só atribuição, a biblioteca é MIT, e uma cópia clonada roda totalmente offline. A barreira é uma adesão a marketing, e não uma restrição de licença, e com cerca de 5,1 milhões de downloads mensais e 10.750 estrelas no GitHub, os problemas costumam estar documentados antes que você os encontre.
Onde ele se destaca
Um engenheiro de backend em uma startup de notas de reunião com 30 pessoas
Rotular quem disse o quê em chamadas gravadas antes de resumi-las
Rode o community-1 em uma GPU ao lado do Whisper e junte os turnos exclusivos dos locutores com as marcações de tempo das palavras. Passar min_speakers e max_speakers a partir do convite do calendário reduz erros de contagem; não há tarifa por hora.
Um líder de análise de call center que processa 10.000 horas de ligações por mês
Separar a fala do atendente e a do cliente sem rodar GPUs
Passe para o endpoint hospedado do community-1 a € 0,035 por hora, cerca de € 350 por mês. Levar o mesmo código para o Precision-3 custa cerca de € 960 por mês na tarifa Starter, com erro bem menor.
Uma equipe de pesquisa universitária analisando gravações de entrevistas
Fazer a diarização de áudio sensível sem que ele saia do laboratório
Clone o repositório uma vez com um token e depois carregue-o do disco sem conexão com a internet. A CC BY 4.0 exige apenas atribuição nos trabalhos publicados.
Antes de decidir
- Configuração
- pip install pyannote.audio (4.x), aceite a barreira no Hugging Face, crie um token e depois Pipeline.from_pretrained e pipeline.to(cuda); o áudio é convertido para mono e reamostrado para 16 kHz ao carregar.
- Integrações
- Biblioteca Python pyannote.audio; muito usada por baixo de ferramentas baseadas no Whisper; community-1-cloud e Precision-3 hospedados na API da pyannoteAI, com 100 solicitações por minuto nos planos Developer e Starter.
- Dados e privacidade
- Cópias auto-hospedadas rodam totalmente offline. Pesos CC BY 4.0, código MIT; a barreira compartilha os seus dados de contato para e-mails de marketing ocasionais. A pyannoteAI anuncia conformidade com o GDPR e residência de dados na UE para a sua API.
- Custo em escala
- Auto-hospedado, é só tempo de GPU; o community-1 hospedado custa € 0,035 por hora de áudio, então 10.000 horas dão cerca de € 350 por mês, e o Precision-3 custa de € 0,096 a € 0,112 por hora.
- Limites
- Sem transcrição; DER de 8,9% em telejornais a 46,8% no Ego4D; sem números de velocidade publicados; piora em relação ao 3.1 no REPERE.
O que é bom
- Erro menor que o do 3.1 em 10 de 12 benchmarks
- Pesos CC BY 4.0 e biblioteca MIT; roda offline
- O modo exclusivo simplifica a junção com transcrições
- O mesmo código pode passar para modelos hospedados mudando uma linha
O que não é
- Só diarização; exige um modelo separado de fala para texto
- DER cerca de 10 pontos pior que o do modelo pago da pyannoteAI no CALLHOME
- Sem números de velocidade publicados
- O download exige compartilhar dados de contato
Ideal para
Engenheiros que constroem transcrição auto-hospedada de reuniões, ligações ou podcasts e precisam de rótulos de locutor sob uma licença permissiva.
Alternativas ao pyannote speaker-diarization-community-1
pyannote speaker-diarization-community-1: perguntas frequentes
- pyannote speaker-diarization-community-1 vale a pena?
- Continua sendo o padrão aberto para distinguir locutores, e um avanço claro em relação ao 3.1, mas o modelo pago dos próprios criadores comete cerca de um terço menos erros em áudio difícil. Damos nota 4.1 de 5.
- Quanto custa pyannote speaker-diarization-community-1?
- Gratuito sob CC BY 4.0. Hospedado na pyannoteAI a € 0,035 por hora de áudio; o modelo pago Precision-3 custa € 0,112 por hora (Developer, € 19/mês) ou € 0,096 (Starter, € 99/mês).
- Quais são as desvantagens de pyannote speaker-diarization-community-1?
- Só diarização; exige um modelo separado de fala para texto; dER cerca de 10 pontos pior que o do modelo pago da pyannoteAI no CALLHOME; sem números de velocidade publicados; o download exige compartilhar dados de contato.
- Para quem pyannote speaker-diarization-community-1 é indicado?
- Engenheiros que constroem transcrição auto-hospedada de reuniões, ligações ou podcasts e precisam de rótulos de locutor sob uma licença permissiva.
- Quanto custa pyannote speaker-diarization-community-1 para uma equipe ou em produção?
- Auto-hospedado, é só tempo de GPU; o community-1 hospedado custa € 0,035 por hora de áudio, então 10.000 horas dão cerca de € 350 por mês, e o Precision-3 custa de € 0,096 a € 0,112 por hora.
- pyannote speaker-diarization-community-1 é seguro para dados da empresa?
- Cópias auto-hospedadas rodam totalmente offline. Pesos CC BY 4.0, código MIT; a barreira compartilha os seus dados de contato para e-mails de marketing ocasionais. A pyannoteAI anuncia conformidade com o GDPR e residência de dados na UE para a sua API.
- Quais são as melhores alternativas ao pyannote speaker-diarization-community-1?
- As alternativas mais próximas que analisamos são MOSS-Transcribe-Diarize 0.9B, Whisper large-v3-turbo, ElevenLabs Scribe v2 e Deepgram Nova-3.
Respostas verificadas em 2 de nov. de 2026.
Você faz o pyannote speaker-diarization-community-1? Mostre esta nota no seu site
