Glossário
RTTM (Rich Transcription Time Marked) é o formato de arquivo padrão para armazenar a saída de diarização de falantes. Criado pelo NIST para a série de avaliação Rich Transcription no início dos anos 2000, ainda é a lingua franca para pesquisas e comparações de benchmarks de diarização (DIHARD, VoxConverse, AMI). Se você está trabalhando com ferramentas de diarização (pyannote, NeMo, Kaldi), RTTM é o que elas produzem.
Estrutura do arquivo RTTM
Texto simples, baseado em linhas. Cada linha é uma fala de um orador, com 10 campos separados por espaços. Os importantes são: type (sempre "SPEAKER"), file_id, channel, start_time (segundos), duration (segundos), e speaker_id. Exemplo:
FALANTE meeting_001 1 12.45 3.20 <NA> <NA> speaker_A <NA> <NA> FALANTE meeting_001 1 15.80 5.10 <NA> <NA> speaker_B <NA> <NA>
RTTM vs SRT/VTT
SRT/VTT armazene o texto transcrito para exibição de legendas. RTTM armazena o tempo do falante sem texto — apenas "o falante A falou de 12.45s a 15.65s." Eles são complementares: RTTM informa quem estava falando quando; SRT/VTT informa o que foi dito. Combine-os e você obterá um transcrição atribuída ao falante.
Quando usar o RTTM
Principalmente em pesquisas e integração de ferramentas. Se você está fazendo benchmark de um sistema de diarização, RTTM é o formato padrão de entrada/saída e as ferramentas de métricas (dscore, md-eval) o consomem diretamente. Para transcrição de consumo, você geralmente converte RTTM para um formato mais amigável (DOCX com rótulos de falante, SRT com anotações de falante por nível de pista) antes de mostrar aos usuários finais — o que fazemos.
Na prática
Não expomos o RTTM aos usuários finais — a saída de diarização é incorporada diretamente à transcrição como anotações "Falante 1:", "Falante 2:". Mas, internamente, nosso pipeline de diarização produz RTTM como formato intermediário antes de mesclar com os segmentos de texto do Whisper por sobreposição de carimbos de data/hora.
Termos relacionados
Tentar transcrição de entrevista
Comece — grátisÚltima atualização: 9 de novembro de 2026
Perguntas Frequentes
O que RTTM significa na transcrição?
Formato Rich Transcription Time Marked. Formato padrão baseado em linhas para armazenar saída de diarização: quando cada falante começa e para de falar. Usado em benchmarks de pesquisa como DIHARD.
Por que RTTM importa ao escolher um fluxo de trabalho de transcrição?
RTTM 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 RTTM 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.