những Speaker Diarization hoàn toàn Open-Source mà bạn có thể dùng với VideoDubber:

 

✅ 1. Pyannote.audio — Open Source tốt nhất

• License: MIT + CC-BY 4.0 (model pre-trained miễn phí)

• Dùng rộng rãi nhất trong giới AI audio.

• Nhận diện speaker cực chuẩn.

• Có phiên bản tích hợp WhisperX.

👉 100% open-source.

---

✅ 2. WhisperX — Open Source (sử dụng Pyannote cho diarization)

• License: MIT

• Kết hợp Whisper để transcribe và Pyannote để tách người nói.

• Tạo ra file SRT/VTT/JSON theo từng speaker.

👉 Tốt nhất để đưa vào VideoDubber, vì output sạch và chia speaker chuẩn.

---

✅ 3. NVIDIA NeMo Speech Diarization

• License: Apache 2.0 (open-source)

• Có module:

  • Voice Activity Detection

  • Speaker Embedding

  • Clustering

• Chạy cực nhanh trên GPU.

👉 Open-source hoàn toàn, nhưng cần máy có NVIDIA.

---

✅ 4. SpeechBrain (Toolkit open source)

• License: Apache 2.0

• Có mô hình diarization:

  • VAD

  • Speaker embedding (x-vector)

  • Clustering

• Độ chính xác khá tốt nhưng không mạnh bằng Pyannote.

---

⭐ Open-source tốt nhất cho bạn (xếp hạng)

Hạng	Công cụ	Mức độ chính xác	Dễ dùng	Ghi chú
🥇 1	WhisperX	★★★★★	★★★★☆	Tách speaker + subtitle tốt nhất
🥈 2	Pyannote.audio	★★★★★	★★★☆☆	Cực chuẩn nhưng cần cấu hình
🥉 3	NVIDIA NeMo	★★★★☆	★★★☆☆	Cần GPU mạnh
4	SpeechBrain	★★★☆☆	★★★★☆	Nhẹ, dễ cài

---

✔ Nếu mục tiêu là dùng với VideoDubber

→ Nên chọn WhisperX (open-source, mạnh nhất, ra SRT cực sạch).