3D

3D-Speaker是由阿里巴巴通义实验室语音团队开发的多模态开源项目，旨在通过整合声学、语义和视觉信息，实现高精度的说话人识别和语种识别。该项目提供了工业级模型、训练与推理代码以及大规模多设备、多距离、多方言的数据集，为高挑战性的语音研究提供支持。最近的更新增强了多说话人日志功能，提升了识别效率和准确性，尤其适用于大规模对话数据的高效处理。