화자 분리(화자 라벨)

화자 분리는 녹음에서 누가 언제 말했는지 파악하여, 화자 1과 화자 2처럼 발화 구간마다 화자 라벨을 붙입니다.

  • 모델과 아키텍처
  • 업데이트

일반 전사본은 그저 한 덩어리의 텍스트입니다. 화자 분리는 화자 라벨을 더해 회의, 인터뷰, 통화가 대화처럼 읽히도록 합니다. 전사 모델과 함께 실행하는 별도의 모델일 수도 있고, 음성 모델에 내장되어 있을 수도 있는데, 후자의 예가 마이크로소프트의 VibeVoice-ASR과 NVIDIA의 Nemotron 3.5 Transcribe이며, 둘 다 화자 라벨을 반환합니다.

라벨은 익명입니다. 모델은 서로 다른 사람이 말했다는 사실만 알려줄 뿐 그들이 누구인지는 알지 못합니다. 발화가 겹치거나, 화자가 많거나, 음질이 나쁘면 정확도가 떨어지므로, 의존하기 전에 자신의 녹음 샘플을 먼저 들어보세요.

관련 용어

  • 음성 인식(ASR, 음성 텍스트 변환) 음성 인식은 ASR 또는 음성 텍스트 변환이라고도 불리며, 말한 오디오를 문자 텍스트로 바꿉니다.
  • 단어 오류율(WER) 단어 오류율은 음성 인식의 표준 점수입니다. 올바른 참조문과 비교해 전사본에서 틀리거나 빠지거나 더해진 단어의 비율을 말합니다.

전체 용어