# DiarizationLM-Gemma-4-E4B-v1: локальная правка меток говорящих после ASR

Источник: https://modelium.tech/zhurnal/diarizationlm-gemma4-e4b-v1-local-speaker-correction/

Google опубликовала 4 октября 2026 года новую модель DiarizationLM на базе Gemma 4 E4B: она исправляет метки говорящих в готовой расшифровке, но не распознаёт звук сама. Доступны объединённые веса Safetensors и два GGUF-варианта для локального запуска; качество на собственной речи требует отдельной проверки.

DiarizationLM-Gemma-4-E4B-v1: локальная правка меток говорящих после распознавания речи

4 октября 2026 года в репозитории `google/DiarizationLM-Gemma-4-E4B-v1` появились объединённые веса Safetensors и два GGUF-варианта. В тот же день кодовая база `google/speaker-id` получила поддержку нового чекпойнта. Это новая модель *постобработки* диаризации, а не самостоятельная система распознавания аудио. Авторы отдельно оговаривают: проект не является официально поддерживаемым продуктом Google. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

## Что она делает

На вход нужен уже полученный текст с предварительными метками спикеров: распознавание речи и первичное разбиение говорящих должны быть выполнены другим компонентом. Модель пытается поправить границы реплик, короткие междометия и принадлежность слов говорящим; вспомогательная функция `transfer_llm_completion` переносит результат обратно на исходную расшифровку. Поэтому модель может быть полезна после локального ASR и диаризации при обработке интервью и совещаний, но сама по себе аудиофайл не расшифрует. [s1](#src-s1) [s4](#src-s4)

## Что доступно для локального запуска

В закреплённой ревизии есть `model.safetensors` (15 992 595 884 байта), `DiarizationLM-Gemma-4-E4B-v1-q4_k_m.gguf` (5 300 582 656 байт) и `DiarizationLM-Gemma-4-E4B-v1-q4_0.gguf` (5 154 939 136 байт). Это размеры файлов на диске, **не минимальные требования к RAM или VRAM**. Карточка рекомендует Q4_K_M и показывает пример с `llama.cpp`; код для обработки текста опубликован в `google/speaker-id`. Без локального прогона на выбранном runtime и своих данных мы не называем этот пример проверенным рецептом или результатом теста Modelium. [s1](#src-s1) [s2](#src-s2) [s4](#src-s4)

Репозиторий чекпойнта маркирован Apache-2.0 и содержит текст LICENSE; исходная Gemma 4 E4B тоже отмечена Apache-2.0, а репозиторий `speaker-id` — Apache-2.0. Доступные веса, исходный код обработки и разрешения лицензии — разные свойства: перед коммерческим внедрением проверяйте лицензии всех компонентов собственного ASR/диаризационного конвейера отдельно. [s1](#src-s1) [s5](#src-s5) [s6](#src-s6)

## Как читать авторские оценки

В карточке авторы приводят сравнение с исходным конвейером USM + Turn-to-Diarize на четырёх тестах: Fisher (172 разговора), Callhome (20), ICSI (3 встречи) и AMI (16 встреч). По заявлению авторов, WDER после обработки ниже исходного на всех четырёх наборах; например, Fisher — 5,32% против 2,99%, Callhome — 7,74% против 4,92%. Это **авторские**, а не независимые замеры; сами тесты построены на конкретной исходной системе распознавания и диаризации. На ICSI всего три встречи. Эти цифры нельзя переносить на русскую речь, собственный ASR или другую разметку без отдельной проверки. [s1](#src-s1)

**Практический следующий шаг:** сначала собрать локальную цепочку ASR + первичная диаризация, затем сравнить исходные и исправленные метки на размеченных записях своего языка и домена. Для структуры такого конвейера см. [разбор локальной диаризации встречи](https://modelium.tech/zhurnal/diarizaciya-zapisi-vstrechi/). Исправленные метки всё равно нужно сверять с аудио, особенно при перекрытии реплик. [s1](#src-s1) [s4](#src-s4)

## Источники

1. [Google — карточка DiarizationLM-Gemma-4-E4B-v1, закреплённая ревизия](https://huggingface.co/google/DiarizationLM-Gemma-4-E4B-v1/blob/e3a2eeb7996ba8bc29c21bd34d5fcb6ffa3a23f8/README.md) — получено 2026-10-04
2. [Hugging Face API — полный манифест pinned-модели с размерами](https://huggingface.co/api/models/google/DiarizationLM-Gemma-4-E4B-v1/tree/e3a2eeb7996ba8bc29c21bd34d5fcb6ffa3a23f8?recursive=true&expand=true) — получено 2026-10-04
3. [Hugging Face — история коммитов модели](https://huggingface.co/api/models/google/DiarizationLM-Gemma-4-E4B-v1/commits/main?limit=10) — получено 2026-10-04
4. [Google speaker-id — DiarizationLM README, pinned commit](https://github.com/google/speaker-id/blob/d17582f3ab267604d478889245830a3d6b1599d6/DiarizationLM/README.md) — получено 2026-10-04
5. [Google — исходный Gemma 4 E4B (HF API)](https://huggingface.co/api/models/google/gemma-4-E4B) — получено 2026-10-04
6. [Google speaker-id — Apache-2.0 LICENSE, pinned commit](https://github.com/google/speaker-id/blob/d17582f3ab267604d478889245830a3d6b1599d6/LICENSE) — получено 2026-10-04