¿Qué es la diarización de hablantes?
La diarización de hablantes es el paso del reconocimiento de voz que averigua quién habló y cuándo. Divide una grabación en segmentos según la voz y los etiqueta como Hablante 1, Hablante 2, etc., para que la transcripción de una entrevista o reunión muestre las intervenciones de cada persona en lugar de un único bloque de texto.
Sin diarización:
Entonces por dónde empezamos el plan de lanzamiento empieza por los precios vale.
Con diarización:
Hablante 1 · 00:00:02 Entonces, ¿por dónde empezamos?
Hablante 2 · 00:00:04 El plan de lanzamiento empieza por los precios.
Hablante 1 · 00:00:07 Vale.Cómo funciona
El audio se corta en fragmentos cortos, cada fragmento se convierte en una huella de voz y las huellas parecidas se agrupan en hablantes. Después, la transcripción se alinea palabra por palabra con esos grupos.
Diarizar no es identificar
La diarización sabe que dos voces son distintas, no de quién son. Los nombres los pones tú: cambia Hablante 1 por Anna una vez y todas sus líneas se actualizan.
Cuándo le cuesta
Cuando la gente habla a la vez, con respuestas muy cortas como «sí», con voces parecidas y con un solo micrófono lejos de algunos hablantes. Indicar cuántas personas hay en la grabación le ayuda a agrupar bien las voces.
Preguntas
¿Cuántos hablantes puede distinguir la diarización?
Varios, pero la precisión baja a medida que aumentan y las intervenciones se acortan. Funciona mejor con dos a cinco hablantes en una grabación clara.
¿Funciona en cualquier idioma?
Sí. La diarización escucha voces, no palabras, así que funciona igual en cualquier idioma.
¿Por qué se juntan dos personas en un solo hablante?
Sus voces se parecen o comparten un micrófono lejano. Indica el número de hablantes o corrige las etiquetas en el editor.
Leer más
Términos relacionados
Actualizado: