Trascrizione con distinzione dei parlanti
Diarizzazione e identificazione dei parlanti a confronto
Una risponde a "chi ha parlato e quando?" con gruppi anonimi. L'altra chiede se una voce corrisponde a una persona nota. Confonderle porta a impostazioni e aspettative errate.
Una trascrizione può distinguere i partecipanti senza sapere chi siano. Può riconoscere una voce nota solo dopo che questa è stata registrata e confrontata. Sono attività correlate, ma risolvono problemi diversi e falliscono in modi diversi.
Due domande distinte
Diarizzazione: chi ha parlato e quando?
La diarizzazione analizza una registrazione, rileva le regioni vocali, estrae le caratteristiche delle voci e raggruppa le regioni simili. Il risultato è una sequenza temporale con gruppi anonimi:
00:00-00:12 Speaker_000:12-00:25 Speaker_100:25-00:41 Speaker_0
Il sistema non deve conoscere i nomi. È utile per interviste, riunioni, podcast e chiamate in cui una trascrizione leggibile deve indicare i turni.
Identificazione: quale persona nota è?
L'identificazione confronta un parlante rilevato con una libreria di campioni noti. Quando la corrispondenza supera la soglia, un'etichetta anonima può essere sostituita da un nome. In Owl Meeting la libreria è locale ed è gestita nella pagina Parlanti.
L'identificazione richiede una registrazione preliminare. Se una persona non è nella libreria, il sistema non può dedurne l'identità reale dalla sola registrazione.
| Diarizzazione | Identificazione | |
|---|---|---|
| Domanda principale | Chi ha parlato e quando? | È una persona nota registrata? |
| Campioni preliminari | Non necessari | Necessari per assegnare nomi automaticamente |
| Etichetta tipica | Speaker_0 | Alex, Priya, Intervistatore |
| Impostazione principale | Numero di parlanti o soglia di raggruppamento | Lingua dell'impronta e soglia d'identità |
| Errore comune | Una persona divisa o due persone unite | Persona nota non riconosciuta o nome errato |
Come funziona il flusso combinato
Quando entrambe le funzioni sono abilitate per la trascrizione da file, l'ordine è importante:
- Rilevamento del parlato. La registrazione viene divisa in regioni che contengono voce.
- Raggruppamento delle voci. La diarizzazione unisce le regioni che sembrano provenire dalla stessa voce.
- Confronto con i campioni noti. Identificazione confronta ogni gruppo con la libreria locale.
- Applicazione del nome quando la soglia è superata. Una corrispondenza sicura sostituisce l'etichetta provvisoria; gli altri gruppi restano anonimi.
- Riconoscimento e controllo del testo. Il riconoscimento produce la trascrizione e l'utente verifica etichette e parole rispetto all'audio.
Le impostazioni influenzano errori diversi
Numero di parlanti
Se il numero dei partecipanti è noto, specificarlo offre un vincolo utile. Il conteggio automatico è adatto quando è ignoto, ma dipende maggiormente dalla soglia e dalla qualità della registrazione.
Soglia di raggruppamento
Controlla quanta differenza è tollerata in un gruppo. Un valore troppo sensibile può dividere una persona; uno troppo permissivo può unire due voci simili. Prova la soglia su una sezione con veri cambi di parlante.
Lingua dell'impronta vocale
Owl Meeting offre modelli distinti per cinese e inglese. Campioni e impostazioni del file devono usare lingue compatibili, altrimenti l'identificazione può fallire anche se la diarizzazione funziona.
Soglia d'identità
Determina quanto deve essere forte la corrispondenza prima di applicare un nome. Aumentarla riduce le corrispondenze deboli ma può lasciare persone note senza nome; abbassarla identifica più segmenti ma aumenta il rischio di errori. Se l'identità è importante, privilegia nomi automatici prudenti.
Crea campioni vocali utili
Un campione deve rappresentare la persona, non la stanza. Usa una clip chiara con il solo parlante interessato, senza sovrapposizioni, musica forte o altre voci. Nel flusso attuale di Owl Meeting, 5-30 secondi sono un intervallo pratico.
Una persona può suonare diversamente con microfono da conferenza, telefono, cuffie o microfono distante. Più campioni rappresentativi possono aiutare in condizioni diverse. Non aggiungere molti duplicati di bassa qualità: più dati non significa automaticamente dati migliori.
Diagnostica l'etichetta prima di cambiare tutto
| Sintomo | Livello probabile | Primo controllo |
|---|---|---|
| Una persona appare come due parlanti | Diarizzazione | Numero, soglia, cambi di microfono o rumore |
| Due persone condividono un'etichetta | Diarizzazione | Imposta il numero noto o aumenta la sensibilità |
| I gruppi sono corretti ma mancano i nomi | Identificazione | Identificazione, lingua, campioni e soglia |
| Un nome è assegnato al gruppo sbagliato | Identificazione | Alza la soglia e sostituisci i campioni contaminati |
| Le etichette sono corrette ma le parole no | Riconoscimento vocale | Modello, qualità audio, lingua e dizionario |
Separare questi livelli evita un errore comune: cambiare il modello vocale per correggere il raggruppamento o cambiare il numero di parlanti per correggere le parole. Valuta separatamente limiti, nomi e testo.
Conosci i limiti
- Il parlato sovrapposto è difficile da assegnare perché due voci occupano lo stesso intervallo.
- Interiezioni molto brevi possono non contenere informazioni vocali sufficienti.
- La voce varia con malattia, emozione, distanza, microfono, compressione e canale.
- Voci simili possono essere unite, mentre una voce variabile può essere divisa.
- I nomi automatici vanno controllati prima di verbali formali, codifica di ricerca o prove.
Per la configurazione consulta Gestione dei parlanti. Per raggruppamento e soglie consulta Trascrizione da file.
Domande frequenti
La diarizzazione identifica le persone per nome?
No. Divide la registrazione in gruppi come Parlante 0 e Parlante 1. Per applicare un nome serve un confronto separato o un'etichettatura manuale.
Servono campioni vocali per la diarizzazione?
No. Può raggruppare voci senza una libreria preregistrata. I campioni servono per confrontare i gruppi con persone note e applicarne i nomi.
Perché una persona viene divisa in due etichette?
La voce può cambiare con distanza, microfono, emozione, rumore o canale. Specifica il numero noto oppure regola la soglia e controlla il risultato.
Inizia con gruppi di parlanti anonimi
Verifica prima che la diarizzazione crei i limiti corretti. Aggiungi l'identificazione solo quando il raggruppamento è stabile.