Glossário
A Taxa de Erro de Diarização (DER) é a métrica padrão de precisão para diarizaçãode falantes. Ao contrário do WER que mede erros ao nível de palavra, a DER mede a porcentagem de tempo de áudio em que o sistema de diarização erra o falante. Quanto menor, melhor. Sistemas de ponta alcançam 5-15% de DER em benchmarks conversacionais; diarização em produção em um podcast limpo de 2 falantes pode cair para 3-5%.
O que o DER mede
DER = (Fala perdida + Falso alarme + Confusão de falante) / Tempo total de fala. Fala perdida: o sistema a marcou como silêncio quando havia realmente fala. Falso alarme: o sistema pensou que havia fala em uma região de silêncio. Confusão de falante: o sistema rotulou a fala como Falante A quando era realmente o Falante B. Os três componentes são somados e divididos pela duração total da fala de referência.
Números de benchmark (2026)
DIHARD III (difícil, mundo real): SOTA ~15-18% de DER. VoxConverse: SOTA ~4-5%. AMI Meeting Corpus: SOTA ~12-15%. Podcasts de produção com 2 falantes (gravação limpa, sem sobreposição): tipicamente 3-7% de DER. Casos difíceis — fala sobreposta, vozes que soam semelhantes, falas muito curtas — aumentam significativamente o DER. A maioria dos benchmarks acadêmicos inclui um colar de perdão de 250 ms em torno das fronteiras dos falantes para ser leniente com erros de alinhamento curtos.
DER vs WER
Eles medem coisas ortogonais. O WER mede se as palavras estão corretas; o DER mede se os rótulos de falante estão corretos. Você pode ter 0% de WER (transcrição perfeita) e 50% de DER (todos os rótulos de falante estão errados). Inversamente, 50% de WER e 0% de DER significa que você acertou os falantes, mas transcreveu incorretamente metade das palavras. A transcrição em produção se importa com ambos — reportamos cada um separadamente ao medir a qualidade.
Na prática
Um podcast de 60 minutos com 2 apresentadores. Referência: cada apresentador fala 30 minutos. Nosso sistema rotula 28 minutos como Apresentador 1 (correto), 30 minutos como Apresentador 2 (correto) e confunde 2 minutos (Apresentador 1 → Apresentador 2). DER = 2 / 60 = 3,3%. Excelente para um podcast limpo.
Termos relacionados
Experimente transcrição com múltiplos falantes
Comece — grátisÚltima atualização: 9 de novembro de 2026
Perguntas Frequentes
O que DER (Taxa de Erro de Diarização) significa na transcrição?
A métrica de precisão padrão para diarização de falantes: percentual do tempo de áudio em que o sistema atribui o falante errado (ou perde a fala). Sistemas de ponta atingem 5-15% de DER em benchmarks de conversação.
Por que DER (Taxa de Erro de Diarização) importa ao escolher um fluxo de trabalho de transcrição?
DER (Taxa de Erro de Diarização) afeta como você entende a qualidade da transcrição, o tempo, a compatibilidade ou a tecnologia por trás dos resultados de conversão de fala em texto.
Onde posso aplicar DER (Taxa de Erro de Diarização) no Transcript.you?
Use o fluxo de trabalho relacionado em /interview-transcription quando você quer ver como esse conceito de glossário se conecta a uma tarefa real de transcrição.
Navegue pelo glossário de transcrição ou leia o guia completo sobre transcrição por IA.