Diarisation des locuteurs Speaker diarization
« Qui a parlé, et quand ? » — découper l'audio en segments et attribuer chacun à un locuteur précis, sans connaître les locuteurs à l'avance.
Deux étapes : (1) détection d'activité vocale (VAD — quels segments sont de la parole), (2) plongements de locuteurs (embeddings) + clustering (regrouper les segments d'une même voix). Pyannote.audio (Hervé Bredin, open source, Hugging Face) est la boîte à outils de référence. NVIDIA NeMo, AssemblyAI et Deepgram en proposent aussi. Association courante avec Whisper pour obtenir du « transcrit + diarisé » : WhisperX, faster-whisper + pyannote. Fait tourner les applis de comptes rendus de réunion (Otter.ai, Fireflies, Granola, Read.ai) et les services de transcription de podcasts.