Konuşmacı ayrıştırma (diarization)
“Kim ne zaman konuştu?” — sesi bölümlere ayırır ve konuşmacıları önceden tanımadan her bölümü belirli bir konuşmacıya atar.
İki adım: (1) Ses Etkinliği Algılama (VAD — hangi bölümler konuşma), (2) konuşmacı gömmeleri ve kümeleme (aynı sese ait bölümleri gruplama). Pyannote.audio (Hervé Bredin, açık kaynak, Hugging Face) fiilî standart araç takımıdır. NVIDIA NeMo, AssemblyAI ve Deepgram da sunar.
“Yazıya dökülmüş ve ayrıştırılmış” çıktı için Whisper’la birlikte kullanılması yaygındır: WhisperX, faster-whisper ve pyannote. Toplantı tutanağı uygulamalarını (Otter.ai, Fireflies, Granola, Read.ai) ve podcast transkripsiyon hizmetlerini besler.