Speaker diarization

ट्रांसक्रिप्शन का उत्तर है "क्या कहा गया।" डायराइज़ेशन का उत्तर है "किसने कहा।" ये दो अलग समस्याएं हैं: एक ट्रांसक्रिप्ट पूरी तरह से सटीक हो सकती है फिर भी एक विभाजित दीवार के पाठ के रूप में पढ़ी जा सकती है। डायराइज़ेशन ऑडियो को टर्न में विभाजित करता है और प्रत्येक टर्न को स्पीकर 1, स्पीकर 2, इत्यादि के रूप में असाइन करता है। अकेले, यह आमतौर पर उन लेबलों के लिए वास्तविक नाम नहीं लगा सकता।

जब लोग एक दूसरे पर बोलते हैं, या जब कई आवाज़ें समान लगती हैं, तब डायराइज़ेशन सबसे कठिन होता है। स्रोतों के साथ एक साफ रिकॉर्डिंग जिसे अलग किया गया हो, इसे ध्यान देने योग्य रूप से अधिक विश्वसनीय बनाती है।