Diarisation des locuteurs (étiquettes de locuteur)
La diarisation détermine qui a parlé et quand dans un enregistrement, et étiquette chaque segment de parole avec un locuteur, comme Locuteur 1 et Locuteur 2.
Une transcription simple est un seul bloc de texte. La diarisation ajoute des étiquettes de locuteur pour qu'une réunion, un entretien ou un appel se lise comme une conversation. Elle peut être un modèle distinct exécuté aux côtés du transcripteur, ou être intégrée au modèle de parole, comme dans VibeVoice-ASR de Microsoft et Nemotron 3.5 Transcribe de NVIDIA, qui renvoient tous deux des étiquettes de locuteur.
Les étiquettes sont anonymes : le modèle indique que des personnes différentes ont parlé, pas qui elles sont. Les résultats se dégradent avec des paroles qui se chevauchent, de nombreux locuteurs et un son de mauvaise qualité ; écoutez donc un échantillon de vos propres enregistrements avant de vous y fier.
Termes associés
- Reconnaissance vocale (ASR, voix vers texte) La reconnaissance vocale, aussi appelée ASR ou transcription voix-texte, transforme la parole en texte écrit.
- Taux d'erreur par mot (WER) Le taux d'erreur par mot est le score standard de la reconnaissance vocale : la part des mots d'une transcription qui sont faux, manquants ou superflus par rapport à une référence correcte.