项目简介

inaSpeechSegmenter 是法国国家视听研究院（INA）开源的音频分割与检测工具，专为广播、播客、采访、影视等多媒体内容的自动化处理设计。它能够高效地将长音频自动分割为语音、音乐、噪声、静音等片段，并支持性别检测（男声/女声），为后续的语音识别、内容检索、转写、音频分析等任务提供坚实基础。

主要特性：

• 支持语音/音乐/噪声/静音等多类别分割
• 支持男声/女声检测
• 端到端批量处理，速度快，资源消耗低
• 纯 Python 实现，易于集成
• 预训练模型开箱即用，无需训练即可应用

---

快速上手

1. 安装

推荐使用 pip 安装最新版：

pip install inaSpeechSegmenter

或从源码安装：

git clone https://github.com/ina-foss/inaSpeechSegmenter.git
cd inaSpeechSegmenter
pip install .

2. 命令行工具

对单个音频文件分割：

ina_speech_segmenter --input_file example.wav --output_json segments.json

对文件夹批量处理：

ina_speech_segmenter --input_dir ./audio_dir --output_dir ./segments

3. Python API 调用

from inaSpeechSegmenter import Segmenter
from inaSpeechSegmenter.export_funcs import seg2csv
import soundfile as sf# 加载分割器
segmenter = Segmenter()
# 处理音频文件
segmentation = segmenter('example.wav')
print(segmentation)
# 导出为 CSV
seg2csv(segmentation, 'segments.csv')

4. 结果格式说明

分割结果为列表，每项为 (标签, 起始秒, 结束秒)，如：

[('male', 0.0, 3.2), ('music', 3.2, 10.5), ('female', 10.5, 15.0)]

---

典型应用场景与案例

1. 语音识别前端分割

• 流程：长音频 → inaSpeechSegmenter 分割语音片段 → ASR（如 Whisper、Wav2Vec2）转写
• 优势：只对语音片段转写，提升准确率与效率，跳过音乐/噪声/静音
• 代码片段：

from inaSpeechSegmenter import Segmenter
import soundfile as sfsegmenter = Segmenter()
segments = segmenter('meeting.wav')
for label, start, end in segments:if label in ['male', 'female']:audio, sr = sf.read('meeting.wav', start=int(start*</