Diarizzazione del parlante
«Chi ha parlato e quando?»: segmentare l'audio e assegnare ogni segmento a un parlante specifico, senza conoscere i parlanti in anticipo.
Due passaggi: (1) Voice Activity Detection (VAD, cioè quali segmenti contengono parlato); (2) embedding del parlante e clustering, per raggruppare i segmenti della stessa voce. Pyannote.audio (Hervé Bredin, open source, su Hugging Face) è il toolkit di fatto; lo offrono anche NVIDIA NeMo, AssemblyAI e Deepgram. Abbinamento comune con Whisper per ottenere «trascritto + diarizzato»: WhisperX, faster-whisper + pyannote. Alimenta le app per i verbali di riunione (Otter.ai, Fireflies, Granola, Read.ai) e i servizi di trascrizione di podcast.