Speaker Diarization

Speaker Diarization ("Who Spoke When?")

Türkçe: Konuşmacı Ayrıştırma ("Kimin Ne Zaman Konuştuğu")

Ayrıntılı Tanım

Birden fazla kişinin konuştuğu bir ses kaydını (toplantı, mahkeme duruşması, podcast) zaman aralıklarına bölerek; her bir ses parçasının **hangi konuşmacıya (Konuşmacı 1, Konuşmacı 2) ait olduğunu** etiketleyen sistemdir.

Ne İşe Yarar / Çözülen Problem

Konuşma tanıma modellerinin tüm konuşmaları tek bir kişinin ağzından çıkmış gibi düz bir metin halinde yazması karmaşasını çözer; profesyonel toplantı tutanakları çıkarır.

Nasıl Çalışır? (Teknik & Mekanizma)

1. Ses etkinliği tespiti (VAD) ile sessizlikler atılır. 2. Küçük pencerelerden ses gömmeleri (x-vectors / d-vectors) çıkarılır. 3. Kümeleme algoritmalarıyla (Spectral Clustering) aynı ses tonuna sahip parçalar aynı konuşmacı kimliğinde gruplanır.

Örnek Senaryo & Pratik Uygulama

5 kişilik bir şirket yönetim kurulu toplantısının ses kaydı bittiğinde; sistemin metni ekrana renkli bloklarla "Ali Bey (00:00 - 02:15)", "Ayşe Hanım (02:16 - 03:40)" şeklinde hatasız ayırması.

Benzer Terimlerden Farkı

Kişinin gerçek kimliğini (adını soyadını) bilmek zorunda değildir; sadece "Burada konuşan kişiyle 5 dakika önce konuşan kişi aynı ses tonuna sahip" diyerek ayrıştırır.

İlişkili Terimler (3)

#509

Voice Activity Detection (VAD)

Ses Aktivitesi Tespiti / Konuşma Algılama

#492

Automatic Speech Recognition (ASR)

Otomatik Konuşma Tanıma (Sesten Metne)

#52

Clustering

Kümeleme

Ait Olduğu Kategori

Ses, Konuşma ve Müzik Yapay Zekâsı

ASR (Whisper), TTS, Vocoder, Spektrogram analizi ve nöral ses üretimi.

Toplam Terim:30 Madde

Bu Kategorideki Tüm Terimleri Gör →

Önceki Terim (#507)Deepfake Audio & Voice Anti-Spoofing

Sonraki Terim (#509)Voice Activity Detection (VAD)