基于 CNN 的音频分割工具包，能自动切分语音、音乐和噪声片段，并识别说话人性别，适合大规模按性别统计发言时长的研究。
基于 PyTorch 的说话人日志神经网络组件库，提供语音活动检测、说话人变化检测、重叠语音检测和说话人嵌入等预训练模块，方便搭建说话人分离与识别流程。
…ix - 修复 Windows 用户名或路径含中文等非 ASCII 字符时，内置引擎转录得到空字幕、语音检测/降噪/声音克隆失败的问题 Fix empty transcripts and failing voice detection, denoising and voice cloning on Windows when the use