01 / UNDERSTAND
仕組みと使いどころ
Speaker Diarization（話者分離）は、同じ録音や音声ストリームに含まれる異なる話者を区別し、文字起こしの単語や発言区間に「話者0」「話者1」などのラベルを付ける機能です。誰がいつ話したかを話者ラベルごとに整理でき、各区間の時刻情報を含む出力もあります。ただし、話者の氏名や本人性を特定する話者識別ではありません。ラベルは音声ファイルやセッションごとに割り当てられ、別の音声との間で同じ人物を追跡する用途には使えません。声が似ている場合、話者が多い場合、発言が重なる場合や頻繁に割り込む場合には、性能が低下することがあります。
02 / IN PRACTICE
Speaker Diarizationの活用例
たとえば、こんな場面で
会議や電話応対の録音を文字起こしし、話者ラベルごとに発言を整理できます。発言者の氏名を確定する必要がある場合は、参加者情報などを別途確認します。
03 / GOOD TO KNOW
使うときのポイント
利用前に対応言語、設定可能な話者数、バッチ処理とストリーミングへの対応を確認し、実際の録音条件で話者ラベルと発言区間を評価します。
参考資料
Partitioning speakers (diarization) - Amazon Transcribe （新しいタブで開きます）Detect different speakers in an audio recording | Cloud Speech-to-Text | Google Cloud Documentation （新しいタブで開きます）Amazon Transcribe - AWS AI Service Cards （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。