Who.
Talarmärkning på enheten som delar en inspelning i talturer per person, med ansiktsrutor och tidsstämplar, redo att klippa eller texta.
Märk vem som sa vad i ljud och video.
Spela in en två timmar lång intervju med två kameror och Who delar upp den efter talare, så att du hoppar till vad en person sa eller klipper vid varje talarbyte.
Who lyssnar och tittar på munnarna samtidigt, så att överlapp och korta inpass inte rubbar etiketterna. Varje taltur bär ett talar-ID, ett ansiktsspår-ID, en normaliserad avgränsningsruta för ansiktet och tidsstämplar på millisekundnivå, i samma form som en Whisper-transkription använder.
Redigering som följer talaren
Klipp eller växla kamera vid varje talarbyte. Använd ansiktsrutan för att rama in bilden i talking head- och flerkameravideo.
Undertexter med namn på
Fäst talaretiketter på Whisper-kompatibla transkriptionsturer. En tittare läser vem som sa varje rad, i stället för ett enda anonymt textblock.
Hitta vad en viss person sa
Dela upp en två timmar lång inspelning i talturer per person på enheten. Filtrera på talare och hoppa direkt till talturen i stället för att skrubba tidslinjen.
Vad modellen gör
- Per taltur: talar-ID, ansiktsspår-ID, normaliserad ansikts-bbox, tidsstämplar på millisekundnivå.
- Whisper-kompatibla talturer för textnings-pipelines.
- Använder bilden utöver ljudet, inte bara ljudet.
Specifikationer
- Plattformar
- Apple (Swift) först
Vanliga frågor
Vad är Who?
Talarmärkning på enheten som delar en inspelning i talturer per person, med ansiktsrutor och tidsstämplar, redo att klippa eller texta.
Körs Who lokalt på enheten?
Ja. Who körs på enheten, utan något serveranrop, så att data stannar hos användaren.
Är Who tillgänglig än?
Who är i stängd beta. Begär tidig åtkomst på den här sidan.
Vad kostar Who?
Varje modell är gratis upp till 100k månadsaktiva enheter per SDK. Obegränsad inferens per användare. Kontakta oss för anpassade licenser.
Tidig åtkomst
Berätta vad du bygger, så hjälper vi dig igång.