Riconoscimento dei parlanti per capire chi ha detto cosa

Nel corpo JSON imposta diarize su true. Per un file, passa la stessa opzione come campo del form. La guida a diarize mostra le combinazioni ammesse con source.

Attivalo quando ti serve sapere chi parla: in un’intervista, un confronto o una puntata con ospiti. Per una nota vocale con una sola voce spesso bastano testo e timestamp. Le etichette distinguono i turni nell’audio, ma non identificano una persona, un account o una voce da autenticare.

Scegli diarize quando crei il lavoro, perché cambia il modo in cui elaboriamo la registrazione. Non è un formato da aggiungere dopo. Con source=auto passiamo allo speech-to-text; i file caricati lo usano già, quindi l’esempio non dipende dai sottotitoli di una piattaforma.

transcript.speakers elenca le etichette e ogni segmento ha il proprio campo speaker. transcript_source vale speech_to_text, perché i sottotitoli non contengono queste informazioni. Consulta lo schema della risposta per usarle nella tua app.

Ascolta la registrazione prima di associare Speaker 1 e Speaker 2 ai nomi. Conserva questa corrispondenza nella tua app o nella copia rivista. Le etichette valgono per quella trascrizione: Speaker 1 in un altro file può essere una persona diversa.

Usa speaker per presentare la conversazione e include=words se ti servono tempi più precisi. Conserva sempre inizio e fine dei segmenti in secondi per tornare all’audio durante la revisione. Il JSON qui sotto è illustrativo, non descrive una specifica registrazione caricata.

format=srt aggiunge il prefisso Speaker 1: al testo; format=vtt usa un tag voce. Con format=text ricevi una riga con etichetta per segmento. Confronta i formati dei sottotitoli prima di integrarli nel player.

Controlla come il player visualizza i tag voce e come l’editor gestisce i prefissi. Un’etichetta utile per analizzare un’intervista può diventare ripetitiva nei sottotitoli. Modifica la presentazione nel file esportato o nella tua app, mantenendo la corrispondenza verificata con le etichette originali.

Voci sovrapposte, un microfono lontano o la musica possono rendere incerti parole e cambi di parlante. Riascolta i punti in cui l’etichetta cambia senza un motivo evidente. Per le prossime registrazioni, microfoni separati e turni chiari aiutano più di una correzione successiva.

Parti da uno scambio chiaro all’inizio: riconosci le voci e annota a chi corrisponde ogni etichetta. Controlla anche alcuni passaggi successivi. Se dall’audio non capisci chi parla, conserva il dubbio nella copia rivista, senza assegnare un nome solo dal contesto.

Nelle interviste di ricerca, usa lo stesso criterio di revisione per ogni sessione e tieni separate le annotazioni dal parlato. Prima di pubblicare una citazione con nome e cognome, verifica l’attribuzione ascoltando l’audio e usando il contesto che hai a disposizione.

La diarizzazione audio organizza una conversazione. Non è un sistema biometrico e non serve ad autenticare una chiamata o a stabilire che due registrazioni contengano la stessa persona. Anche un cambio di microfono può far sembrare diversa una voce; quando più persone parlano insieme, l’attribuzione può restare incerta.