Che cos'è la diarizzazione dei parlanti?
La diarizzazione dei parlanti (speaker diarization) è la fase del riconoscimento vocale che stabilisce chi ha parlato e quando. Divide una registrazione in segmenti in base alla voce e li etichetta come Parlante 1, Parlante 2 e così via, così la trascrizione di un'intervista o di una riunione mostra gli interventi di ogni persona invece di un unico blocco di testo.
Senza diarizzazione:
Allora da dove partiamo il piano di lancio parte dai prezzi ok.
Con diarizzazione:
Parlante 1 · 00:00:02 Allora, da dove partiamo?
Parlante 2 · 00:00:04 Il piano di lancio parte dai prezzi.
Parlante 1 · 00:00:07 Ok.Come funziona
L'audio viene tagliato in brevi frammenti, ogni frammento diventa un'impronta vocale e le impronte simili vengono raggruppate in parlanti. Poi la trascrizione viene allineata a questi gruppi, parola per parola.
Diarizzare non è identificare
La diarizzazione sa che due voci sono diverse, non a chi appartengono. I nomi li metti tu: rinomina Parlante 1 in Anna una volta e tutte le sue battute si aggiornano.
Quando va in difficoltà
Quando le persone si parlano sopra, con risposte brevissime come «sì», con voci simili e con un solo microfono lontano da alcuni parlanti. Indicare quante persone ci sono nella registrazione la aiuta a raggruppare correttamente le voci.
Domande
Quanti parlanti può gestire la diarizzazione?
Diversi, ma la precisione cala man mano che aumentano e gli interventi si accorciano. Funziona meglio con due-cinque parlanti in una registrazione pulita.
Funziona in tutte le lingue?
Sì. La diarizzazione ascolta le voci, non le parole, quindi funziona allo stesso modo in qualsiasi lingua.
Perché due persone vengono unite in un solo parlante?
Le loro voci sono simili o condividono un microfono lontano. Imposta il numero di parlanti o correggi le etichette nell'editor.
Leggi di più
Termini correlati
Aggiornato: