Speaker Diarization

Accurately detect and segment multiple speakers in audio files using deep learning. This API provides fast and reliable speaker diarization for multi-speaker recordings, making it ideal for call analysis, podcast editing, interviews, and other voice-based applications.

原始信息汇总

Speaker Diarization API 概述

基本信息

• API名称：Speaker Diarization
• 类别：Artificial Intelligence/Machine Learning
• 流行度：9.1
• 服务等级：87%
• 延迟：6151ms
• 测试通过率：99%

定价计划

• BASIC：$0.00 / 月
• PRO：$9.99 / 月
• ULTRA：$29.99 / 月
• MEGA：$69.99 / 月

主要功能

执行说话人分离，确定音频文件中“谁在何时说话”，无需预先知道说话人数量。

适用场景

• 会议分析
• 访谈
• 播客
• 电话通话

端点详情

POST /diarization

• 描述：对音频文件执行说话人分离
• 请求类型：multipart/form-data

请求参数

参数	类型	必需	描述
audio_file	File	是	要分析的音频文件，最大文件大小：50 MB

支持的音频格式

• WAV
• MP3
• OGG

响应格式

示例响应（JSON格式）

json { "segments": [ { "start": 1.8, "end": 2.38, "speaker": "SPEAKER_03" } ], "duration": 27.33, "speakers": 4 }

响应字段说明

• segments：检测到的说话人片段列表，包含开始/结束时间（秒）和分配的说话人ID
• duration：音频文件总长度（秒）
• speakers：检测到的唯一说话人数量

语言支持

说话人分离是语言无关的，不需要指定语言。

错误处理

错误响应示例

json { "error": "Unsupported file format. Only MP3, WAV, and OGG are allowed." }

HTTP状态码

HTTP代码	含义	描述
200	OK	成功处理音频并返回说话人片段
400	Bad Request	无效的文件格式、缺少文件或损坏的音频数据
403	Forbidden	未授权的请求，检查API密钥
500	Internal Error	说话人分离处理期间发生内部错误

速率限制

API有速率限制，请查看RapidAPI计划了解使用配额。

数据隐私

• 所有数据仅用于特定任务处理
• 处理完成后立即删除所有数据
• 数据传输加密
• 服务器位于捷克共和国

提供商信息

• API创建者：Ondr4N
• 订阅者数量：8
• 类别：Artificial Intelligence/Machine Learning

搜集汇总

背景与挑战

背景概述

该数据集提供基于深度学习的多说话人音频快速分割服务，适用于通话分析、播客编辑及访谈等语音应用场景。