Диаризация спикеров: как проверить, кто говорит на записи

Как выглядит результат

Учебный пример ниже иллюстрирует структуру текста, а не качество обработки реального файла.

[00:00–00:06] Голос 1: Когда отправляем черновик?
[00:06–00:10] Голос 2: В пятницу после проверки.
[00:10–00:15] Голос 1: Тогда встречу назначим на понедельник.

Повторная метка «Голос 1» связывает две реплики с одним голосом. Имя человека нужно подтвердить отдельно: нейтральная метка не доказывает личность.

Три задачи, которые важно различать

• Распознавание речи: перевод звука в слова.
• Диаризация: границы реплик и группировка участков по голосам внутри записи.
• Идентификация: установление связи голоса с конкретным человеком. Диаризация сама по себе этого не подтверждает.

Если сервис разделил разговор на три голоса, это ещё не доказывает, что говорили ровно три человека. Один голос может разделиться на несколько меток, а похожие голоса — объединиться.

Что делает технология

Система ищет участки речи, выделяет признаки голосов и сопоставляет похожие участки. Разметка связывает временные интервалы с метками спикеров, после чего их можно сопоставить с текстом.

В документации pyannote.audio диаризация рассматривается как отдельная задача с готовыми моделями и конвейерами. В карточке модели 3.1 показаны примеры работы с числом спикеров и результаты на конкретных наборах записей. Эти результаты не являются обещанием точности на вашем файле.

Почему разметка ошибается

• Короткий ответ. В реплике «да» или «нет» мало материала для сравнения голосов.
• Одновременная речь. Несколько человек звучат в одном интервале; строка с одной меткой может скрывать наложение.
• Разное расстояние до микрофона. Голос одного человека меняется по громкости и акустике, когда он отходит или поворачивается.
• Эхо и фон. Отражения и посторонняя речь мешают связывать участки с одним говорящим.
• Похожие голоса. Модель может объединить разных участников или дробить одного.

Количество слов с ошибкой и количество времени с неверной меткой — разные показатели. Поэтому выражение «точность 95%» без методики, записи и метрики мало помогает оценить диаризацию. Для собственных проверок сервиса есть страница замеров DeepScribe; для решения о конкретном файле нужен тест самого файла.

Как проверить разметку за один проход

1. Прослушайте начало и найдите представление участников. Запишите соответствие меток и имён только там, где оно подтверждено.
2. Найдите по нескольку длинных реплик каждого голоса в разных частях записи. Проверьте, что одна метка относится к одному участнику.
3. Отдельно проверьте короткие ответы и перебивания. Для каждой спорной строки слушайте соседние реплики.
4. Если два обозначения относятся к одному человеку, исправляйте их после проверки звука, а не только по смыслу текста.
5. Неизвестного участника оставьте с нейтральной меткой. Неразборчивую речь обозначьте явно.
6. После правок проверьте экспорт: метки, имена и таймкоды должны соответствовать проверенной версии.

Полезная заметка для проверки: «00:18:42, метка Голос 2; голос похож на участника 1, повторно прослушать 00:18:35–00:18:50». Такая запись отделяет сомнение от уже подтверждённой правки.

Подготовка новой записи

По возможности записывайте каждого участника на отдельный микрофон или дорожку и сохраняйте исходные файлы. Если запись уже сделана на один диктофон, не пересжимайте её перед загрузкой без необходимости. Улучшение громкости не превращает неразборчивую речь в достоверный текст.

Подробнее: подготовка аудио к расшифровке и ошибки автоматической транскрибации.

Как попробовать на своей записи

На странице транскрибации с разделением спикеров можно перейти к демо DeepScribe. Возьмите фрагмент, где есть и длинные реплики, и короткие ответы, а не только монолог одного участника.

Сравните результат с оригиналом: найдены ли смены говорящего, не раздробился ли один голос на несколько меток и читается ли диалог после исправлений. Для обычной расшифровки используйте аудио в текст онлайн.