Glossário
A diarização de falantes é o processo de segmentar uma gravação com múltiplos falantes em falas por falante — geralmente rotuladas como Falante 1, Falante 2, Falante 3, etc. É um modelo separado do ASR básico; Whisper sozinho fornece texto sem rótulos de falantes. A diarização é o que transforma "...devemos enviar na sexta-feira. Eu discordo." em "Falante 1: devemos enviar na sexta-feira. Falante 2: Eu discordo."
Como a diarização funciona
Um pipeline de diarização faz três coisas: (1) Detecção de atividade vocal — encontrar segmentos onde alguém está falando. (2) Embeddings de falantes — extrair um vetor de comprimento fixo representando as características vocais de cada segmento. (3) Agrupamento — agrupar segmentos por embeddings semelhantes, cada agrupamento = um falante. Sistemas modernos (pyannote, NeMo, WhisperX) alcançam 5-15% Taxa de Erro de Diarização (DER) em benchmarks conversacionais.
Por que isso importa para transcrição
Sem diarização, uma transcrição de entrevista de 60 minutos parece uma parede de texto — você não consegue dizer quem está falando. Com diarização, cada fala é atribuída, e você pode fazer análise por falante: puxar todas as citações de uma pessoa, calcular proporções de tempo de fala, separar as perguntas do jornalista das respostas do entrevistado. Nós adicionamos IDs de Falantes como um recurso de um clique em transcrições onde isso importa.
Limitações
A diarização falha em vozes que soam iguais (irmãos, mesmo gênero + idade), sobreposição pesada (duas pessoas falando simultaneamente), falas muito curtas (um único "sim"), e gravações com forte reverberação. Espere 90%+ de precisão em uma entrevista de podcast limpa, caindo para 70-85% em uma chamada de conferência com 5 pessoas gravada em um único microfone.
Na prática
Arraste um episódio de podcast com 2 apresentadores para o Transcript.you e clique em ID do Falante. Rotulamos cada parágrafo com Falante 1 / Falante 2. Em seguida, você encontra e substitui "Falante 1" por "Sarah" e "Falante 2" por "James" no arquivo exportado DOCX. Tempo total: 3 minutos para uma hora de conteúdo.
Termos relacionados
Leitura adicional
Tentar transcrição de entrevista
Comece — grátisÚltima atualização: 9 de novembro de 2026
Perguntas Frequentes
O que Diarização significa na transcrição?
O processo de identificar "quem disse o quê" em uma gravação com múltiplos falantes. Geralmente rotulado como Falante 1, Falante 2, etc. Exige um modelo separado da transcrição base.
Por que Diarização importa ao escolher um fluxo de trabalho de transcrição?
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 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.