N'oubliez pas de nous ajouter aux favoris !

Glossaire

DER — Taux d'erreur de diarisation expliqué

Le taux d'erreur de diarisation (DER) est la métrique de précision standard pour la diarisation des interlocuteurs. Contrairement au WER qui mesure les erreurs au niveau des mots, le DER mesure le pourcentage de temps audio où le système de diarisation se trompe sur l'interlocuteur. Plus c'est bas, mieux c'est. Les systèmes de pointe atteignent 5-15% de DER sur les benchmarks conversationnels; la diarisation en production sur un podcast propre à 2 interlocuteurs peut descendre à 3-5%.

Ce que compte le DER

DER = (Discours manqué + Fausse alarme + Confusion des interlocuteurs) / Temps total de discours. Discours manqué: le système l'a marqué comme du silence alors qu'il y avait en réalité du discours. Fausse alarme: le système a pensé qu'il y avait du discours dans une région de silence. Confusion des interlocuteurs: le système a étiqueté le discours comme Interlocuteur A alors qu'il s'agissait en réalité de l'Interlocuteur B. Les trois composantes sont additionnées et divisées par la durée totale de référence du discours.

Nombres de référence (2026)

DIHARD III (difficile, conditions réelles) : SOTA ~15-18 % DER. VoxConverse: SOTA ~4-5 %. Corpus de réunions AMI: SOTA ~12-15 %. Podcasts en production à 2 intervenants (enregistrement propre, sans chevauchement) : généralement 3-7 % DER. Les cas difficiles — discours chevauchants, voix similaires, énoncés très courts — augmentent considérablement le DER. La plupart des benchmarks académiques incluent une marge de 250 ms autour des limites des intervenants pour être indulgents sur les erreurs d'alignement courtes.

DER vs WER

Ils mesurent des choses orthogonales. Le WER mesure si les mots sont corrects ; le DER mesure si les étiquettes des locuteurs sont correctes. Vous pouvez avoir 0% de WER (transcription parfaite) et 50% de DER (toutes les étiquettes de locuteur sont fausses). Inversement, 50% de WER et 0% de DER signifie que vous avez obtenu les locuteurs corrects mais que vous avez mal transcrit la moitié des mots. La transcription en production se soucie des deux — nous rapportons chacun séparément lors de la mesure de la qualité.

En pratique

Un podcast de 60 minutes avec 2 animateurs. Référence : chaque animateur parle 30 minutes. Notre système étiquette 28 minutes comme Animateur 1 (correct), 30 minutes comme Animateur 2 (correct), et confond 2 minutes (Animateur 1 → Animateur 2). DER = 2 / 60 = 3,3%. Excellent pour un podcast propre.

Termes associés

Essayez la transcription multi-locuteurs

Commencez — gratuitement

Dernière mise à jour : 16 novembre 2026

Questions Fréquemment Posées

Que signifie DER (Taux d'erreur de diarisation) en transcription ?

La métrique d'exactitude standard pour la diarisation des locuteurs : pourcentage du temps audio où le système attribue le mauvais locuteur (ou manque de la parole). Les systèmes de pointe atteignent un DER de 5-15% sur les benchmarks conversationnels.

Pourquoi DER (Taux d'erreur de diarisation) critère lors du choix d'un flux de travail de transcription ?

DER (Taux d'erreur de diarisation) Affecte la manière dont vous comprenez la qualité de la transcription, le timing, la compatibilité ou la technologie derrière les résultats de la transcription vocale.

Où puis-je appliquer DER (Taux d'erreur de diarisation) sur Transcript.you ?

Utilisez le flux de travail associé à /interview-transcription lorsque vous souhaitez voir comment ce concept de glossaire se connecte à une tâche de transcription réelle.