화자 분리(화자 다이어라이제이션)란?

화자 분리(화자 다이어라이제이션)는 음성 인식에서 누가 언제 말했는지 알아내는 단계입니다. 녹음을 목소리별 구간으로 나누고 화자 1, 화자 2처럼 라벨을 붙여, 인터뷰나 회의 전사본이 하나의 긴 텍스트가 아니라 사람별 발언으로 표시되게 합니다.

예시

화자 분리 없음:
그럼 어디서부터 시작할까요 출시 계획은 가격부터 시작합니다 좋아요

화자 분리 적용:
화자 1 · 00:00:02  그럼 어디서부터 시작할까요?
화자 2 · 00:00:04  출시 계획은 가격부터 시작합니다.
화자 1 · 00:00:07  좋아요.

작동 원리

오디오를 짧은 조각으로 자르고, 각 조각을 목소리 지문으로 바꾼 다음, 비슷한 지문끼리 묶어 화자로 나눕니다. 그런 다음 전사 텍스트를 단어 단위로 이 그룹에 맞춥니다.

화자 분리는 두 목소리가 다르다는 것만 알 뿐, 누구의 목소리인지는 모릅니다. 이름은 사용자가 정합니다. 화자 1을 한 번 안나로 바꾸면 그 사람의 모든 발언에 반영됩니다.

여러 사람이 동시에 말할 때, ‘네’처럼 아주 짧은 대답, 비슷한 목소리, 일부 화자에게서 멀리 떨어진 마이크 하나. 녹음에 몇 명이 있는지 알려 주면 목소리를 더 정확하게 묶을 수 있습니다.

여러 명을 처리할 수 있지만, 인원이 많아지고 발언이 짧아질수록 정확도가 떨어집니다. 깨끗한 녹음에서 2~5명일 때 가장 좋습니다.

그렇습니다. 화자 분리는 단어가 아니라 목소리를 듣기 때문에 어떤 언어에서든 똑같이 작동합니다.

목소리가 비슷하거나 멀리 있는 마이크 하나를 함께 썼기 때문입니다. 화자 수를 지정하거나 편집기에서 라벨을 고치세요.