КТО И КОГДА ГОВОРИЛ
Диаризация простыми словами.
И чего метки вам не скажут.
Диаризация делит запись на реплики и отмечает, кто и когда говорил. Вот как работают метки говорящих в Voice Note Transcriber на iPhone и Android и где их стоит проверить.
РАСШИФРОВКА
Speaker A: Можно перенести ревью на четверг? Speaker B: Четверг подойдёт, если черновик будет готов.
КОРОТКО
Кто и когда говорил, а не кто этот человек
Диаризация — это этап, на котором речь делится на фрагменты по голосам и каждому голосу присваивается метка, чтобы расшифровка читалась как последовательность реплик, а не как один сплошной текст. Она отвечает на вопрос «кто и когда говорил?». На вопрос «кто этот человек?» она не отвечает — это задача идентификации говорящего, которая сопоставляет голос с известной личностью.
В Voice Note Transcriber метки говорящих — это опция тарифа Power. Перед отправкой записи включите Speaker labels (метки говорящих), выберите Transcribe (расшифровать), и в результате каждая реплика окажется на отдельной строке — как Speaker A, Speaker B и так далее. Это руководство для тех, кто расшифровывает собственные записи на телефоне. Если вы разработчик и ищете модель или API для диаризации, обратитесь к документации платформ распознавания речи.
КТО И КОГДА ГОВОРИЛ
Как получить расшифровку с метками говорящих
1. Начните с подходящей записи
Диаризация работает лучше всего, когда голоса различаются и люди говорят по очереди. Используйте запись, которую вы вправе обрабатывать: встречу, интервью, звонок, записанный с согласия собеседника, или выпуск подкаста. Импортируйте аудио- или видеофайл, отправьте его в приложение или запишите в приложении (до 2 часов за раз). Очень длинные записи могут быть отклонены для определения говорящих — тогда попробуйте запись покороче.
2. Включите Speaker labels и отправьте
В параметрах отправки включите Speaker labels. Опция доступна подписчикам Power, в других тарифах она заблокирована. Выберите Transcribe, чтобы получить расшифровку по репликам. Задание с метками говорящих засчитывается в расход тарифа с двойной длительностью, поэтому включайте его, когда в разговоре больше одного голоса.
3. Проверьте и назовите говорящих
Читайте расшифровку вместе с записью. Идущие подряд фрагменты одного голоса объединяются в одну реплику. Метки анонимные: решите, кто такие Speaker A и Speaker B, скопируйте текст и замените метки именами в своём документе. Внимательно проверяйте короткие ответы и перебивания — их проще всего приписать не тому голосу.
КТО И КОГДА ГОВОРИЛ
Как метки выглядят в каждом результате
Каждое задание даёт один результат. Вот что делают метки говорящих в каждом из них:
- Transcribe: по строке на реплику, в начале — метка вроде «Speaker A:».
- Translate: те же метки в том же порядке; переводится только речь.
- Summarize: сводка сохраняет выбранный стиль, например Action items, и там, где это важно, приписывает пункты говорящему. Каждую реплику она не повторяет.
- Summarize + Translate: такая же сводка, но на целевом языке.
- Если метки сохранить не удаётся: задание завершается ошибкой, а не возвращает молча текст без меток, и его можно отправить снова.
КТО И КОГДА ГОВОРИЛ
Где метки говорящих ошибаются
Диаризация определяет смену говорящего только по звуку: она не видит лиц и не знает, кого представили. Больше всего проверки требуют такие ситуации:
- Одновременная речь: когда двое говорят сразу, слова могут попасть не в ту реплику.
- Похожие голоса: двое похоже звучащих людей могут слиться в одну метку, а один голос — разделиться на два.
- Очень короткие реплики: быстрое «да» или «ага» легко приписать не тому человеку.
- Расстояние и шум: голос далеко от микрофона или шумное помещение мешают заметить смену говорящего.
КТО И КОГДА ГОВОРИЛ
Метки действуют в пределах записи и анонимны
Speaker A в одной записи — не тот же человек, что Speaker A в другой. Метки каждый раз присваиваются заново, в порядке, в котором обнаружены голоса. Это не имена, и приложение не распознаёт и не запоминает ничьих голосов.
Метки применяются к новым заданиям, отправленным с включённой опцией. Ранее обработанные результаты метки задним числом не получат — отправьте запись снова, если они нужны. Для интервью, где важны цитаты, авторство реплик подробнее разобрано в руководстве по расшифровке интервью. Как превратить встречу с метками в задачи, рассказано в руководстве по расшифровке совещаний.
ВОПРОСЫ
Вопросы о диаризации
Будут ли в расшифровке имена людей?
Нет. В ней анонимные метки: Speaker A, Speaker B и так далее. Даже если кто-то назовёт своё имя, приложение не заменит метку этим именем. Замените метки именами сами после проверки по записи.
Speaker A — один и тот же человек во всех записях?
Нет. Метки присваиваются отдельно для каждой записи, поэтому одна и та же буква в двух результатах может обозначать разных людей.
Можно добавить метки говорящих к уже готовой расшифровке?
К существующему результату — нет. Включите Speaker labels и отправьте запись снова как новое задание. Оно засчитывается в расход тарифа, как любое задание с метками говорящих.
Это API или SDK для диаризации?
Нет. Voice Note Transcriber — приложение для iPhone и Android для ваших собственных записей. Разработчикам, которым диаризация нужна в своём ПО, стоит использовать API платформы распознавания речи.
Узнайте больше о приложении и его возможностях или о том, как импортировать аудио- и видеофайлы.
КТО И КОГДА ГОВОРИЛ
Посмотрите, кто что сказал, — и доведите текст до ума.
Скачайте Voice Note Transcriber для iPhone или Android, включите Speaker labels в Power и расшифруйте запись по репликам.
Интерфейс приложения пока на английском. Оно расшифровывает голосовые сообщения на русском и может переводить текст на русский язык.