Name: Potato
Author: Potato

La diarizzazione dei parlanti risponde alla domanda «chi ha parlato e quando?». Questo tutorial mostra come costruire interfacce per annotare i turni di parola, correggere una diarizzazione automatica e gestire conversazioni con più voci. Per il riferimento completo degli schemi audio, vedi la documentazione di riferimento.

Che cos'è la diarizzazione dei parlanti?

La diarizzazione divide l'audio in tratti che appartengono a un solo parlante. Serve in casi come:

Trascrizione di riunioni
Analisi delle chiamate nei call center
Produzione di podcast
Elaborazione di interviste
Registrazioni giudiziarie e legali

Configurazione di base per la diarizzazione

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"

Creare i segmenti dei parlanti

Come si procede

Riproduci l'audio oppure clicca sulla forma d'onda per spostarti
Clicca e trascina sulla forma d'onda per selezionare un intervallo di tempo
Premi un tasto numerico o clicca l'etichetta di un parlante
Il segmento si colora e riceve l'etichetta
Aggiusta i confini trascinando i bordi
Vai avanti finché tutto l'audio è segmentato

Comandi da tastiera

Potato ha già le sue scorciatoie da tastiera per i controlli di riproduzione, play e pausa e spostamento nel clip compresi.

Correggere una diarizzazione già fatta

Spesso non etichetti da zero: stai correggendo l'output di un diarizzatore automatico.

yaml

data_files:
  - "data/auto_diarized.json"

Formato dei dati:

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"}
  ]
}

Informazioni dettagliate sui parlanti

Puoi raccogliere metadati aggiuntivi su ciascun parlante:

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

Gestire le sovrapposizioni

yaml

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

Diarizzazione di riunioni e interviste

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 di output

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"
  }
}

Consigli per la diarizzazione

Ascolta prima: prendi confidenza con le voci prima di annotare
Prendi nota dei tratti di ogni parlante: tono, accento, modo di parlare
Tratta le sovrapposizioni sempre allo stesso modo: stabilisci la regola in partenza
Usa il controllo della velocità: rallenta nei punti difficili
Segnala l'incertezza: usare «Unknown» quando serve va benissimo

Prossimi passi

Combinala con la trascrizione per avere verbali completi
Aggiungi il riconoscimento delle emozioni per ciascun parlante
Imposta il controllo qualità per l'accordo tra più annotatori

Per la documentazione audio completa vedi Annotazione Audio.