Skip to content

feat(scripts): 增强 conversation 转录与批量处理能力#28

Open
walkoncross wants to merge 6 commits into
xzf-thu:mainfrom
walkoncross:dev
Open

feat(scripts): 增强 conversation 转录与批量处理能力#28
walkoncross wants to merge 6 commits into
xzf-thu:mainfrom
walkoncross:dev

Conversation

@walkoncross

Copy link
Copy Markdown

Summary

  • scripts/transcribe_conversation.py 增加 LoRA adapter 注入、批量转录与模型复用能力
  • 支持 --channels 选择单通道或全通道,并将 conversations 条目字段从 role 调整为 speaker
  • 为 silero-vad 增加 min_silence_duration_ms 参数支持,并补充 scripts/vad_utils.py

Test plan

  • 运行 scripts/transcribe_conversation.py 验证单文件转录流程
  • 验证批量转录场景下模型只加载一次
  • 验证 --channels 0--channels 1--channels -1 的输出符合预期
  • 验证启用 VAD 时 min_silence_duration_ms 参数生效

🤖 Generated with Claude Code

    silero-vad 默认 min_silence_duration_ms=100ms,导致句间停顿被过度切分
    (实测误检率高达 53%,产出段数是 ref 的 1.5 倍)。

    将默认值改为 500ms,与 fsmn-vad / ten-vad 的 silence_gap_s=0.5s 保持一致。
    参数同时暴露在 apply_vad() 接口上,可按需调整。
-1 或值 >= 音频通道数时处理全部通道,0/1 仅处理对应单通道
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Labels

None yet

Projects

None yet

Development

Successfully merging this pull request may close these issues.

1 participant