O que é a diarização de oradores?
A diarização de oradores (speaker diarization) é a etapa do reconhecimento de fala que determina quem falou e quando. Divide uma gravação em segmentos por voz e identifica-os como Orador 1, Orador 2 e assim por diante, para que a transcrição de uma entrevista ou reunião mostre as intervenções de cada pessoa em vez de um único bloco de texto.
Sem diarização:
Então por onde começamos o plano de lançamento começa pelos preços ok.
Com diarização:
Orador 1 · 00:00:02 Então, por onde começamos?
Orador 2 · 00:00:04 O plano de lançamento começa pelos preços.
Orador 1 · 00:00:07 Ok.Como funciona
O áudio é cortado em pedaços curtos, cada pedaço é convertido numa impressão vocal e as impressões semelhantes são agrupadas em oradores. Depois, a transcrição é alinhada com esses grupos, palavra a palavra.
Diarização não é identificação
A diarização sabe que duas vozes são diferentes, não a quem pertencem. Os nomes vêm de si: mude o nome de Orador 1 para Anna uma vez e todas as falas dela acompanham a mudança.
Quando tem dificuldades
Pessoas a falar ao mesmo tempo, respostas muito curtas como sim, vozes parecidas e um único microfone longe de alguns oradores. Indicar ao sistema quantas pessoas estão na gravação ajuda-o a agrupar as vozes corretamente.
Perguntas
Quantos oradores a diarização consegue distinguir?
Vários, mas a precisão diminui à medida que o número aumenta e as intervenções ficam mais curtas. Funciona melhor com dois a cinco oradores numa gravação nítida.
Funciona em todos os idiomas?
Sim. A diarização ouve vozes, não palavras, por isso funciona da mesma forma em qualquer idioma.
Porque é que duas pessoas foram juntas num só orador?
As vozes são parecidas ou partilham um microfone distante. Defina o número de oradores ou corrija as etiquetas no editor.
Ler mais
Termos relacionados
Atualizado: