Diarización (separación de hablantes)
Proceso que divide una grabación según quién habla en cada momento: Persona 1, Persona 2… sin saber todavía sus nombres.
La diarización responde a la pregunta «¿quién habló cuándo?». Un modelo analiza las características de cada voz a lo largo de la grabación y agrupa los tramos que parecen de la misma persona. El resultado son etiquetas anónimas, como «Persona 1» y «Persona 2», que después puedes cambiar por nombres.
Es más difícil de lo que parece: en una sala con un solo micrófono todas las voces suenan parecidas, la gente se interrumpe y hay intervenciones de un segundo («sí», «vale»). Los errores típicos son partir a una persona en dos o juntar a dos personas en una.
Echo separa las personas en sus propios servidores y, después, une a una misma persona que hubiera quedado partida restando lo que tienen en común todas las voces de la grabación (la sala, el micrófono). En nuestra prueba con conversaciones de personas conocidas, eso subió el acierto del 80,7 % al 85,0 % sin mezclar a nadie.
Si algo sale mal, en el editor puedes cambiar quién dice cada párrafo o usar «Volver a separar personas» en la pestaña Personas. No hay que confundirla con el reconocimiento de voces, que pone nombre a una voz conocida.
