Odborná definícia
Odborná definícia
Speaker diarization je proces rozdelenia zvukového záznamu na časové úseky podľa toho, kto práve hovorí. Typická pipeline zahŕňa detekciu reči, segmentáciu, tvorbu embeddingov hovoriaceho, zhlukovanie a úpravu hraníc. Výstup používa anonymné označenia, napríklad SPEAKER_00, a nemusí poznať meno osoby. Úloha sa komplikuje pri prekrývajúcej sa reči, krátkych vstupoch, hluku a zmene akustiky. Diarizácia neprepisuje obsah slov a sama osebe nie je biometrickou identifikáciou.
Zrozumiteľné vysvetlenie
Zrozumiteľné vysvetlenie
Pri prepisovaní porady nestačí vedieť, čo bolo povedané. Treba tiež priradiť jednotlivé vety správnemu účastníkovi. Diarizačný systém najprv nájde úseky s rečou a potom porovná hlasové reprezentácie. Podobné úseky zoskupí pod rovnaký anonymný štítok. Keď dvaja ľudia hovoria naraz alebo niekto povie iba krátke „áno“, systém môže vytvoriť chybnú hranicu. Preto sa kvalita neposudzuje iba podľa počtu nájdených hlasov, ale podľa času nesprávne priradeného hovoriacemu.
Časté otázky
Časté otázky
Ako sa diarizácia líši od rozpoznávania reči?
Rozpoznávanie reči prevádza zvuk na slová. Diarizácia určuje časové úseky jednotlivých hovoriacich. Systémy sa často spájajú.
Je SPEAKER_01 konkrétna identita?
Nie. Je to lokálny štítok v danom zázname. Priradenie mena vyžaduje ďalší krok a právne aj biometrické posúdenie.
Ako sa meria kvalita?
Diarization error rate spája zmeškanú reč, falošne detegovanú reč a čas priradený nesprávnemu hovoriacemu.
Čo sa deje pri súbežnom hovorení?
Systém musí povoliť viac štítkov v rovnakom čase. Jednoduché pipeline, ktoré predpokladajú jedného hovoriaceho, vytvoria chybu.
Aké sú riziká pri pracovných stretnutiach?
Záznam obsahuje hlasové a obsahové údaje. Potrebné sú pravidlá súhlasu, prístupu, uchovávania a kontroly nesprávneho priradenia výrokov.
Súvisiace pojmy
Súvisiace pojmy
Zdroje a redakčná stopa
Zdroje a redakčná stopa
- Anguera et al., Speaker Diarization, A Review of Recent Research, 2012
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.