Диаризация (метки спикеров)
Диаризация определяет, кто и когда говорил в записи, и помечает каждый отрезок речи спикером, например «Спикер 1» и «Спикер 2».
Обычный транскрипт — это один сплошной текст. Диаризация добавляет метки спикеров, чтобы совещание, интервью или звонок читались как диалог. Она может быть отдельной моделью, работающей рядом с транскрибатором, или быть встроенной в речевую модель, как в VibeVoice-ASR от Microsoft и Nemotron 3.5 Transcribe от NVIDIA, — обе возвращают метки спикеров.
Метки анонимны: модель говорит, что говорили разные люди, но не кто именно. Результаты ухудшаются при наложении речи, большом числе спикеров и плохом звуке, поэтому прослушайте образец собственных записей, прежде чем полагаться на неё.
Связанные термины
- Распознавание речи (ASR, speech-to-text) Распознавание речи, также называемое ASR или speech-to-text, превращает звуковую речь в письменный текст.
- Частота ошибок в словах (WER) Частота ошибок в словах — стандартная оценка для распознавания речи: доля слов в транскрипте, которые ошибочны, пропущены или лишние по сравнению с правильной ссылкой.