Identificazione dei parlanti: come una trascrizione riconosce chi sta parlando

Cosa fa esattamente l'identificazione dei parlanti?

Il riconoscimento vocale trasforma i suoni in parole. L'identificazione dei parlanti, chiamata spesso diarizzazione, fa un altro lavoro: stabilisce chi ha parlato e in quale momento. Il programma spezza la registrazione in segmenti di parlato, analizza le caratteristiche di ogni voce e mette insieme i passaggi che sembrano della stessa persona. Ne escono dei gruppi anonimi, indicati di solito come Parlante 1, Parlante 2 e così via.

Per come è progettato il sistema, questi gruppi sono anonimi. Il software capisce che due frasi vengono dalla stessa voce, ma non può sapere che quella voce è di Noa dell'ufficio finanziario. Il nome lo inserisci tu, una volta sola per persona. Da lì in avanti, tutte le battute di quella voce porteranno quel nome.

Trascrivere le parole e riconoscere le voci sono due passaggi separati, quindi possono sbagliare ciascuno per conto proprio. Puoi avere una frase trascritta alla perfezione ma attribuita alla persona sbagliata. Quando rileggi, controlla separatamente il testo e le etichette dei parlanti.

Perché a volte viene assegnata l'etichetta alla persona sbagliata?

Il problema più frequente sono le voci che si sovrappongono. Se due persone parlano insieme, nello stesso frammento audio ci sono due voci, ma un sistema che assegna ogni istante a un solo parlante deve sceglierne una. Subito dopo vengono le risposte brevi come "sì", "certo" o "okay". Mezzo secondo di audio contiene pochissimi dati sulla voce, così queste battute finiscono spesso in coda a chi stava parlando prima.

Anche le voci simili complicano le cose. Due colleghi della stessa età e con lo stesso accento che parlano nell'unico microfono di un portatile mettono in difficoltà anche un orecchio umano attento. Nelle telefonate registrate in mono si aggiunge un altro limite: le due voci viaggiano su un solo canale e sono compresse dalla linea telefonica.

Conta anche la stanza. Il riverbero impasta la voce, e chi si allontana dal microfono può sembrare un'altra persona. Nelle registrazioni lunghe, poi, la voce cambia per stanchezza, per il tono più acceso o perché ci si schiarisce la gola. Il software rischia così di dividere la stessa persona in due gruppi, o di fondere due persone in uno solo.

Come registrare per ottenere una separazione netta delle voci?

Fai in modo che ognuno abbia un microfono vicino. Mettere un solo apparecchio in mezzo al tavolo è comodo, ma è la scelta peggiore per separare le voci. I gruppi vocali si distinguono molto meglio se ogni persona ha davanti il proprio microfono o telefono, e se chi è collegato da remoto usa le cuffie. Nelle interviste a due, metti il registratore tra gli interlocutori, un po' più vicino a chi ha la voce più bassa.

Chiedi a tutti di parlare uno alla volta. Mettersi d'accordo a inizio riunione per lasciar finire una frase prima che inizi la successiva è il modo più semplice per migliorare la precisione. Nelle discussioni animate è normale parlarsi sopra e qualche sovrapposizione resterà comunque. Anche ridurla di poco, però, fa risparmiare tempo in fase di revisione.

Apri con un giro di presentazioni. Fai dire a ciascuno il proprio nome seguito da una frase intera. Il sistema avrà un campione pulito di ogni voce e tu, al momento di dare i nomi ai gruppi, potrai semplicemente riascoltare il primo minuto per capire chi è chi.

Come si assegnano e si conservano i nomi dei parlanti?

Apri la trascrizione, ascolta la prima battuta di ogni gruppo e scrivi il nome vero di chi parla. In KolWrite puoi rinominare i parlanti mentre leggi e il nome resta in tutte le esportazioni: il file Word e i sottotitoli avranno gli stessi nomi che vedi a schermo. La separazione delle voci avviene in cloud, ma un archivio vocale locale può salvare i nomi e riconoscere le voci direttamente sul tuo dispositivo, senza dover ricaricare l'audio per le persone che hai già nominato una volta.

Scegli il formato adatto a chi leggerà il testo: nome, cognome e ruolo per i verbali ufficiali, solo il nome per gli appunti interni. Usa sempre lo stesso formato da una riunione all'altra, così cercando un nome troverai tutti i suoi interventi.

Se nella registrazione c'è qualcuno che non riesci a riconoscere, usa un'etichetta generica in base a quello che sai, come Ospite o Chiamante, e fermati lì. Meglio un'etichetta generica che un nome sbagliato.

Come verificare rapidamente le etichette?

Per controllare le etichette non serve rileggere tutta la trascrizione. Nelle parti che contano, vai ai cambi di turno e ascolta il primo secondo dopo ogni passaggio di parola. Gli errori tendono a concentrarsi dove le voci si sovrappongono, nelle risposte brevi e subito dopo una pausa.

Controlla tutte le citazioni dirette e gli impegni presi. Se nel riepilogo c'è scritto che Omar ha promesso di mandare un file, riascolta proprio quella riga. Un'etichetta sbagliata su una battuta informale è innocua; se invece riguarda una promessa, un numero o un reclamo, finisce per alterare il resoconto di ciò che è successo.

Se una singola battuta ha il nome sbagliato, correggi solo quella riga; se invece una persona è stata sdoppiata in due gruppi, uniscili dando a entrambi lo stesso nome. Le trascrizioni automatiche fanno errori e vanno rilette, e anche le etichette dei parlanti fanno parte della trascrizione.

Quando sono davvero essenziali le etichette dei parlanti?

Le etichette servono ogni volta che bisogna sapere chi ha detto cosa: verbali di riunione, interviste, chiamate con i clienti, udienze e sessioni di ricerca. Contano molto meno quando parla una persona sola, come nelle lezioni o nelle note vocali, dove basta il testo di fila.

Servono anche se pensi di tradurre la registrazione o trasformarla in sottotitoli. Un file di sottotitoli con i nomi dei parlanti fa capire a chi guarda chi sta parlando quando la persona è fuori campo. Sistema prima i nomi dei parlanti e poi esporta.