Anotación de Diarización de Hablantes

La diarización de hablantes responde a la pregunta "¿quién habló cuándo?" Este tutorial cubre la construcción de interfaces para anotar turnos de habla, corregir diarización automática y manejar conversaciones con múltiples hablantes.

¿Qué es la Diarización de Hablantes?

La diarización de hablantes segmenta el audio en regiones homogéneas por hablante. Las aplicaciones incluyen:

Transcripción de reuniones
Análisis de centros de llamadas
Producción de podcasts
Procesamiento de entrevistas
Grabaciones judiciales/legales

Configuración Básica de Diarización

yaml

annotation_task_name: "Speaker Diarization"
 
data_files:
  - "data/conversations.json"
 
annotation_schemes:
  - annotation_type: audio_annotation
    name: speakers
    description: "Mark when each speaker talks"
    labels:
      - name: Speaker 1
        color: "#FF6B6B"
        keyboard_shortcut: "1"
      - name: Speaker 2
        color: "#4ECDC4"
        keyboard_shortcut: "2"
      - name: Speaker 3
        color: "#45B7D1"
        keyboard_shortcut: "3"
      - name: Overlap
        color: "#FFEAA7"
        keyboard_shortcut: "o"
      - name: Silence
        color: "#9CA3AF"
        keyboard_shortcut: "s"

Creación de Segmentos de Hablantes

Flujo de Trabajo

Reproduce el audio o haz clic en la forma de onda para navegar
Haz clic y arrastra en la forma de onda para seleccionar un rango de tiempo
Presiona una tecla numérica o haz clic en una etiqueta de hablante
El segmento se colorea y etiqueta
Ajusta los límites arrastrando los bordes
Continúa hasta que todo el audio esté segmentado

Controles de Teclado

Potato proporciona atajos de teclado integrados para el control de reproducción de audio, incluyendo reproducir/pausar y navegación.

Corrección de Diarización Pre-anotada

A menudo corregirás diarización automática:

yaml

data_files:
  - "data/auto_diarized.json"

Formato de datos:

json

{
  "id": "meeting_001",
  "audio_path": "/audio/meeting_001.wav",
  "auto_segments": [
    {"start": 0.0, "end": 3.5, "speaker": "Speaker 1"},
    {"start": 3.5, "end": 8.2, "speaker": "Speaker 2"},
    {"start": 8.2, "end": 12.0, "speaker": "Speaker 1"}
  ]
}

Información Detallada del Hablante

Captura metadatos adicionales del hablante:

yaml

annotation_schemes:
  - annotation_type: audio_annotation
    name: speakers
    labels:
      - name: Speaker A
        color: "#FF6B6B"
      - name: Speaker B
        color: "#4ECDC4"
      - name: Speaker C
        color: "#45B7D1"
      - name: Unknown
        color: "#9CA3AF"
 
  # Speaker characteristics
  - annotation_type: radio
    name: speaker_a_gender
    description: "Speaker A Gender"
    labels:
      - Male
      - Female
      - Unknown
 
  - annotation_type: text
    name: speaker_a_role
    description: "Speaker A Role (if identifiable)"
 
  - annotation_type: radio
    name: speaker_b_gender
    description: "Speaker B Gender"
    labels:
      - Male
      - Female
      - Unknown

Manejo de Habla Superpuesta

yaml

annotation_schemes:
  - annotation_type: audio_annotation
    name: speakers
    labels:
      - name: Speaker 1
        color: "#FF6B6B"
      - name: Speaker 2
        color: "#4ECDC4"
      - name: Overlap
        color: "#FFEAA7"

Diarización de Reuniones/Entrevistas

yaml

annotation_task_name: "Meeting Diarization"
 
data_files:
  - "data/meetings.json"
 
annotation_schemes:
  # Speaker turns
  - annotation_type: audio_annotation
    name: turns
    description: "Mark each speaker turn"
    labels:
      - name: Moderator
        color: "#EF4444"
        keyboard_shortcut: "m"
      - name: Participant 1
        color: "#3B82F6"
        keyboard_shortcut: "1"
      - name: Participant 2
        color: "#10B981"
        keyboard_shortcut: "2"
      - name: Participant 3
        color: "#F59E0B"
        keyboard_shortcut: "3"
      - name: Participant 4
        color: "#8B5CF6"
        keyboard_shortcut: "4"
      - name: Unknown
        color: "#6B7280"
        keyboard_shortcut: "u"
      - name: Overlap
        color: "#FCD34D"
        keyboard_shortcut: "o"
      - name: Silence/Noise
        color: "#D1D5DB"
        keyboard_shortcut: "s"
 
  # Speech type annotation
  - annotation_type: radio
    name: speech_type
    description: "Type of speech"
    labels:
      - Statement
      - Question
      - Response
      - Interruption
      - Backchannel
 
  # Overall quality
  - annotation_type: radio
    name: recording_quality
    description: "Overall recording quality"
    labels:
      - Excellent - All speakers clear
      - Good - Most speech understandable
      - Fair - Some difficulty
      - Poor - Significant issues

Formato de Salida

json

{
  "id": "meeting_001",
  "audio_path": "/audio/meeting_001.wav",
  "annotations": {
    "turns": [
      {
        "start": 0.0,
        "end": 5.2,
        "label": "Moderator",
        "attributes": {
          "speech_type": "Statement"
        }
      },
      {
        "start": 5.2,
        "end": 12.8,
        "label": "Participant 1",
        "attributes": {
          "speech_type": "Response"
        }
      },
      {
        "start": 11.5,
        "end": 12.8,
        "label": "Overlap"
      }
    ],
    "recording_quality": "Good - Most speech understandable"
  }
}

Consejos para la Diarización

Escucha primero: Familiarízate con los hablantes antes de anotar
Nota las características del hablante: Tono, acento, estilo de habla
Maneja superposiciones consistentemente: Decide una estrategia de antemano
Usa control de velocidad: Reduce la velocidad para secciones difíciles
Marca la incertidumbre: Está bien usar "Unknown" cuando sea necesario

Próximos Pasos

Combina con transcripción para notas completas de reuniones
Añade detección de emociones por hablante
Configura control de calidad para acuerdo multi-anotador

Consulta /docs/features/audio-annotation para documentación completa de audio.