A diarização de locutores responde à pergunta "quem falou e quando?" Este tutorial mostra como construir interfaces para anotar turnos de fala, corrigir diarização automática e lidar com conversas que têm vários locutores. Para a referência completa do esquema de áudio, consulte a documentação de origem.

O que é diarização de locutores?

A diarização de locutores divide o áudio em trechos que pertencem a um único locutor. Ela aparece em:

Transcrição de reuniões
Análise de central de atendimento
Produção de podcasts
Processamento de entrevistas
Gravações judiciais/jurídicas

Configuração Básica de Diarização

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"

Criando Segmentos de Locutor

Fluxo de trabalho

Reproduza o áudio ou clique na forma de onda para navegar
Clique e arraste sobre a forma de onda para selecionar um intervalo de tempo
Pressione uma tecla numérica ou clique em um rótulo de locutor
O segmento fica colorido e rotulado
Ajuste os limites arrastando as bordas
Continue até que todo o áudio esteja segmentado

Controles de Teclado

O Potato oferece atalhos de teclado integrados para controle de reprodução de áudio, incluindo reproduzir/pausar e navegação.

Correção de diarização pré-anotada

Boa parte do tempo você não rotula do zero, mas sim corrige a saída de um diarizador automático:

yaml

data_files:
  - "data/auto_diarized.json"

Formato dos dados:

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"}
  ]
}

Informações detalhadas do locutor

Capture metadados adicionais sobre cada locutor:

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

Lidando com Fala Sobreposta

yaml

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

Diarização de Reuniões/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 Saída

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"
  }
}

Dicas para Diarização

Ouça primeiro: familiarize-se com os locutores antes de anotar
Anote as características do locutor: tom de voz, sotaque, estilo de fala
Trate sobreposições de forma consistente: defina uma estratégia desde o início
Use o controle de velocidade: reduza a velocidade nos trechos difíceis
Marque a incerteza: tudo bem usar "Unknown" quando necessário

Próximos Passos

Combine com transcrição para notas completas de reuniões
Acrescente detecção de emoção por locutor
Configure o controle de qualidade para concordância entre vários anotadores

Consulte /docs/features/audio-annotation para a documentação completa de áudio.