Diarização de falantes (rótulos de falante)
A diarização identifica quem falou e quando em uma gravação e rotula cada trecho de fala com um falante, como Falante 1 e Falante 2.
Uma transcrição simples é um único bloco de texto. A diarização adiciona rótulos de falante para que uma reunião, entrevista ou chamada seja lida como uma conversa. Ela pode ser um modelo separado executado junto com o transcritor ou estar incorporada ao modelo de fala, como no VibeVoice-ASR da Microsoft e no Nemotron 3.5 Transcribe da NVIDIA, que ambos retornam rótulos de falante.
Os rótulos são anônimos: o modelo diz que pessoas diferentes falaram, não quem elas são. Os resultados ficam mais difíceis com fala sobreposta, muitos falantes e áudio ruim, então ouça uma amostra das suas próprias gravações antes de confiar nelas.
Termos relacionados
- Reconhecimento de fala (ASR, fala para texto) O reconhecimento de fala, também chamado de ASR ou fala para texto, converte áudio falado em texto escrito.
- Taxa de erro de palavras (WER) A taxa de erro de palavras é a pontuação padrão do reconhecimento de fala: a proporção de palavras em uma transcrição que estão erradas, faltando ou sobrando em relação a uma referência correta.