Tengo un archivo de audio (conversación telefónica grabada de 2 personas). Necesito separar las voces de 2 altavoces automáticamente. Soy nuevo en el reconocimiento de voz y miré el módulo de onda de Python, pero no pude encontrar ninguna información fructífera.

Por favor, ayuda cómo empezar. También sugiérame bibliotecas de Python gratuitas que me ayuden a resolver el problema.