pyannote.audio：発話者ダイアライゼーションのためのニューラルブロック

本稿では、Pythonで記述されたオープンソースのツールキット「pyannote.audio」を紹介する。このツールキットは、PyTorchを基盤とする機械学習フレームワークに基づき、話者ダイアライゼーション用の学習可能なエンドツーエンド型ニューラルモジュール群を提供しており、これらを組み合わせて統合最適化することで、話者ダイアライゼーションパイプラインを構築できる。また、pyannote.audioには、音声活動検出（Voice Activity Detection）、話者変更検出（Speaker Change Detection）、重なり音声検出（Overlapped Speech Detection）、話者埋め込み（Speaker Embedding）など、多様な領域をカバーする事前学習済みモデルが付属しており、多くのタスクにおいて最先端の性能を達成している。