62 файловых прогона py-faster-whisper
В сохранённом снимке Whisper Summary есть 62 запуска. Для каждого записаны длительность аудио, время распознавания и диаризации, общий RTF и число спикеров.
На что смотреть рядом с RTF
На контрольном файле длиной около 1,79 часа Sortformer завершил обработку с RTF 0,0472 и четырьмя спикерами, pyannote - с RTF 0,0897 и восемью. Число спикеров и слова без метки объясняют, почему выбирать по одной скорости рискованно.
В таблице есть результаты CPU и MIG. Сравнивайте одинаковый файл и режим. DER потребует эталонных границ спикеров.